tensorflow中遇到的问题汇总

   （1）

使用Adamoptimizer 等优化器时，载入权重进行再训练时，有可能会提示 ‘...kernel/adam_1 not found in checkpoint’。adam_1等参数不在tf.GraphKeys.TRAINABLE_VARIABLES这个集合（tf.trainable_variables()）里。

因为：saver（默认保存所有可以保存的变量（defaults to the list of all saveable objects.））在不传入参数名称时，是按照已经定义好的图来载入对应的可保存的变量参数值。

saver = tf.train.Saver()

此问题，可以换一种载入模型的方式，用:

saver = tf.train.import_meta_graph(r'./model/themodel.meta')
with tf.Session() as sess:
    saver.restore(sess, r'./model/themodel')

来解决。

使用tf.train.import_meta_graph时，不需要自己再定义graph，但是如果之前定义了graph_0，graph_0将会被覆盖掉。所以，使用这种方法来定义graph时，不能自己再重新定义graph。要使用某个op，可以在第一次训练时，使用

tf.add_to_collection('train_op', train_op)# 'train_op'为任意起的一个字符串，定义了一个自己的collection

之后import_meta_graph()后，用

train_op = tf.get_collection('train_op')[0]

来获取相应的op。（类似的，可以用tf.train.export_meta_graph()来保存graph，tf.train.Saver()会默认保存graph，即.meta文件。）点击打开链接

      ps：若载入的模型之前不是保存的所有模型参数（tf.globle_variables()）的话，有可能会出问题，因为有的参数没有被初始化（未使用tf.global_variables_initializer()）。