【Tensorflow笔记0.2 踩坑】tensorflow加載pretrained_model時遇到的bug解決方案

问题概述

下面是在facenet中加载pretrained_model时遇到的一些错误：
错误1：tensorflow.python.framework.errors_impl.InvalidArgumentError exception str() failed
错误2：tf.train.get_checkpoint_state(checkpoint_dir) return none type
错误3：tf.train.latest_checkpoint(“model/”) return none

错误1解决方案：
[1]中的方法是在当我们自己的训练集class数量和作者当初的训练集class数量相同时才有效，然而我们在实际开发时不可能恰好和作者的训练集class数量相同。下面是参考[2][3]给出的解决方案：
下面这个创建saver的方法在初次保存模型时可用，但在恢复模型时是不可用的。

saver = tf.train.Saver(tf.trainable_variables(), max_to_keep=3)

恢复模型时应该像下面这样：

saver = tf.train.import_meta_graph('/home/***/models/20180402-114759/model-20180402-114759.meta')
saver.restore(sess, tf.train.latest_checkpoint('/home/***/models/20180402-114759'))

错误2、3解决方案：
参考[4]知道tensorflow预训练模型有4部分组成：

出现错误2、3的原因可能是由于缺少checkpoint文件，我们可以新建一个checkpoint文件并写入如下内容：

model_checkpoint_path: "/home/master/dev/facerec/facenet/mydataset/models/20180402-114759/model-20180402-114759.ckpt-275"

至此，facenet加载pretrained_model时遇到的bug全部解决。

参考文献

[1] 加载pretrained_model模型
[2] TensorFlow保存还原模型的正确方式，Saver的save和restore方法，亲测可用
[3] Tensorflow 同时载入多个模型
[4] 【tensorflow】保存模型、再次加载模型等操作