Ошибка: тензорный граф отличается от сеансового графа

Question

Я пытаюсь загрузить ранее обученную тензорную обученную модель из файлов контрольных точек, теперь в этих файлах контрольных точек есть операционные переменные, поэтому для загрузки графика мне нужно сначала загрузить graph_def из файла **ckpt.meta:

graph = tf.Graph()
sess = tf.InteractiveSession(graph=graph)
saver = tf.train.import_meta_graph('/data/model_cache/model.ckpt-39.meta')
    ckpt = tf.train.get_checkpoint_state(FLAGS.checkpoint_dir)
    if ckpt and ckpt.model_checkpoint_path:
       if os.path.isabs(ckpt.model_checkpoint_path):
          saver.restore(sess, ckpt.model_checkpoint_path)

После того, как я загрузил модели, у меня есть метод, который использует эту модель для вывода для реализации алгоритма глубокого сна. Проблема в том, что когда я вызываю eval с сеансом по умолчанию, я получаю сообщение об ошибке ниже:

File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/ops.py", line 555, in eval
return _eval_using_default_session(self, feed_dict, self.graph, session)File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework   /ops.py", line 3495, in _eval_using_default_session
raise ValueError("Cannot use the given session to evaluate tensor: "
ValueError: Cannot use the given session to evaluate tensor: the tensor's graph is different from the session's graph.

---

Я подтвердил, что tf.get_default_graph() и sess.graph указывают на один и тот же адрес памяти. Должно быть что-то очень простое, чего мне не хватает.

Я новичок в tenorflow, поэтому любая помощь в этом отношении будет по достоинству оценена. Спасибо

Answer 1

Я думаю, что ваша проблема в том, что вы путаете "Python-name" и "TensorFlow-name". Когда вы создаете, например: W = tf.get_variable("weight", ...) "имя Python" будет W тогда как "TensorFlow-name" будет weight, При загрузке модели она не имеет представления о последних именах Python. Так что никогда не узнаешь что W на самом деле

Сначала вы должны вернуть тензоры и операции, которые вы хотите использовать. Вы перечисляете их с помощью:

for tensor in tf.get_default_graph().get_operations():
    print (tensor.name)

Тогда используйте оба get_operation_by_name(name) а также get_tensor_by_name(name) чтобы вернуть свои вещи.

Например, если вы хотите получить веса, как я сказал вам раньше, вы должны сделать:

W = graph.get_tensor_by_name("weights:0")
print(W.eval())

Я считаю, что должно работать.

Answer 2

Весьма вероятно, что мета-граф, который вы импортируете, т.е. /data/model_cache/model.ckpt-39.meta отличается от того, который проверяет tf.train.get_checkpoint_state(FLAGS.checkpoint_dir) использовал.

Обычная практика - иметь get_checkpoint_state() позвонить (или tf.train.latest_checkpoint(FLAGS.checkpoint_dir)) и использовать его вывод в import_meta_graph() вызовите и затем, с тем же именем контрольной точки (и возвращенной заставкой), восстановите переменные в сеансе. Это, конечно, можно сделать, если мета-график сохраняется в каждой контрольной точке.