如何在Jupyter的不同笔记本中恢复tensorflow图?

如何在Jupyter的不同笔记本中恢复tensorflow图?,tensorflow,jupyter-notebook,Tensorflow,Jupyter Notebook,我试图使用tf.train.Saver()来保存和恢复tensorflow图。要保存图形,我将按如下方式进行操作: saver = tf.train.Saver() init_op = tf.global_variables_initializer() sess.run(init_op) with sess.as_default(): for ep in range(epoch): train_step.run(

我试图使用tf.train.Saver()来保存和恢复tensorflow图。要保存图形,我将按如下方式进行操作:

    saver = tf.train.Saver()
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    with sess.as_default():
          for ep in range(epoch):
                train_step.run(feed_dict={X: X_train,

                                    Y: y_train.reshape(-1,1)})


          saver.save(sess, 'my_test_model')
要恢复模型,我将执行以下操作:

    with tf.Session() as sess:

            saver.restore(sess, 'my_test_model')

            test_accuracy = sess.run(x,feed_dict={X: X_valid,
                                Y: y_valid.reshape(-1,1)})
            mse_test=loss.eval(feed_dict={X: X_valid,
                                Y: y_valid.reshape(-1,1)})



            print(mse_test)
当在同一个笔记本上做这件事时,一切都很完美。但是当我在另一个笔记本上尝试同样的操作时,问题开始了:新笔记本中没有定义saver,所以我尝试将它再次定义为tf.train.saver(),并获取错误值error:No variables to save

我也试过了

   saver = tf.train.import_meta_graph('my_test_model.meta')
   saver.restore(sess,tf.train.latest_checkpoint('./')) 
但是图形变量不保存在元文件中

有人遇到过类似的问题吗?我将感谢任何帮助


提前谢谢

saver.restore(sess,“我的测试模型”)
import\u meta\u graph
之后是否工作?变量与元图一起保存,因此它应该可以工作。您可以使用查看特定的检查点。感谢您的回复!我尝试了tf.contrib.framework.list_变量,得到了内核和偏差的列表,所以看起来变量确实存在。但是,当我尝试如上所述为dict提供数据时,我得到了一个错误:尝试使用未初始化的值density_2/bias_1。所以我知道这些变量应该以某种方式再次初始化(类似于tf.global_variables_initializer()),但我不知道如何初始化。在这里,通过名称获取张量不是一个好主意,因为在初始图中,Im使用Keras Dense来定义层。啊,所以你不想使用元图,你想还原到与Python对象相关的变量中。也许可以对照
tf.global\u variables()
检查
list\u variables
中的名称?名称是否不同?我希望能够在另一个脚本/jupyter笔记本中使用已经训练过的TensorFlow模型,但我无法找出为此需要执行的所有步骤。目前,我已经恢复了元图,并尝试使用名称sess.run('loss:0',feed_dict={'x:0':x_valid.reformate(-1,11),'y:0':y_valid.reformate(-1,1)})对变量求值,但得到了一个错误的形状(即使这个数据恰好被输入到原始模型中,并且一切正常)在没有看到代码来重现形状的情况下,很难说出任何关于形状问题的内容。