Tensorflow恢复时忽略作用域名称或进入新的作用域nam

Question

我首先训练了网络N，并用保存程序将其保存到检查点Checkpoint_N。在N中定义了一些变量范围。在

现在，我想用这个训练的网络N建立一个暹罗网络，如下所示：

with tf.variable_scope('siameseN',reuse=False) as scope:
  networkN = N()
  embedding_1 = networkN.buildN() 
  # this defines the network graph and all the variables.
  tf.train.Saver().restore(session_variable,Checkpoint_N)
  scope.reuse_variables()
  embedding_2 = networkN.buildN()
  # define 2nd branch of the Siamese, by reusing previously restored variables.

当我执行上述操作时，restore语句抛出一个Key Error，在N图中的每个变量的检查点文件中找不到{}。在

有没有一种方法可以在不改变N的代码的情况下做到这一点？我基本上只是给N中的每个变量和操作添加了一个父作用域。我可以通过告诉tensorflow忽略父作用域或其他东西来恢复权重到正确的变量吗？在

Answer 1

这与：How to restore weights with different names but same shapes Tensorflow?

tf.train.Saver(var_list={'variable_name_in_checkpoint':var_to_be_restored_to,...'})

可以获取要还原的变量列表或字典

(e.g. 'variable_name_in_checkpoint':var_to_be_restored_to,...)

您可以通过遍历当前会话变量中的所有变量来准备上述字典，并使用会话变量作为值并获取当前变量的名称，并从变量名中删除“siameseN/”并将其用作键。从理论上讲，这是可行的。在