重载模型参数

tensorflow中做迁移学习时，会遇到模型参数值与网络模型参数定义不一致的问题，而无法载入模型参数。如参数名字改变，模型参数shape不一致，直接调用saver.restore()会报错。需要手动修改这个restore（）函数。
这里提供两种恢复方式：
（1）第一种方法，提取出ckpt中参数与模型中的参数名字一致，shape大小也一致，然后再调用saver.restore（）恢复。

restore_1(session,save_file):
    ckpt = tf.train.get_checkpoint_state(save_file)
    reader =tf.train.NewCheckpointReader(ckpt.model_checkpoint_path)
    saved_shapes = reader.get_variable_to_shape_map()
   var_names = sorted([(var.name, var.name.split(‘：’)[0])    
                                     for var in tf.global_variables()
                                    if var.name.split(':')[0] in saved_shapes])
    with tf.variable_scope（‘’， reuse=True）:
        for var_name,saved_var_name in var_names:
            curr_var = name2var[saved_var_name]
            var_shape = curr_var.get_shape().as_list()
            if var_shape == saved_shapes[saved_var_name]:
                restore_vars.append(curr_var)
     saver = tf.train.Saver(restore_vars)
     saver.restore(session, ckpt.model_checkpoint_path)

（2）第二种手动恢复参数，相较第一种灵活性更高。只选取待恢复的参数，同时可对ckpt中的参数做修改。

restore_2(session, save_file):
     ckpt = tf.train.get_checkpoint_state(save_file)
     reader = tf.train.NewCheckpointReader(ckpt.model_checkpoint_path)
     saved_shapes = reader.get_variable_to_shape_map()
     var_names1 = sorted(set([str((var.name.split(':')[0]).split('/')[0])
                                for var in tf.global_variables()
                              if var.name.split(':')[0]  in  saved_shapes]))
     var_names2 = sorted(set([str((var.name.split(':')[0]).split('/')[1])
                                             for var in tf.global_variables()
                                     if var.name.split(':')[0]  in  saved_shapes]))
     for key in var_names1:
         with tf.variable_scope(key, reuse=True):
             for key1 in var_names2:
                 VAR = tf.get_variable(key1)
                 sess.run(tf.assign(VAR, reader.get_tensor(key+'/'+key1)))
              except ValueError:
                  print('ignore:',key)