假设我们有两个TensorFlow计算图，G1和G2，它们的保存权重分别为W1和W2。假设我们通过构建G1和G2来构建一个新的图G。我们如何为这个新图G恢复W1和W2？

举个简单的例子：

import tensorflow as tfV1 = tf.Variable(tf.zeros([1]))saver_1 = tf.train.Saver()V2 = tf.Variable(tf.zeros([1]))saver_2 = tf.train.Saver()sess = tf.Session()saver_1.restore(sess, 'W1')saver_2.restore(sess, 'W2')

在这个例子中，saver_1成功恢复了对应的V1，但saver_2在尝试恢复时会失败并抛出NotFoundError错误。

回答：

你可以使用两个保存器，每个保存器只查找一个变量。如果你只使用tf.train.Saver()，我想它会查找你定义的所有变量。你可以通过使用tf.train.Saver([v1, ...])来指定它查找的变量列表。有关更多信息，你可以阅读tf.train.Saver构造函数的文档：https://www.tensorflow.org/versions/r0.11/api_docs/python/state_ops.html#Saver

这里有一个简单的可工作的例子。假设你在”save_vars.py”文件中进行计算，并且文件中有以下代码：

import tensorflow as tf# 图1 - 将v1的值设置为[1.0]g1 = tf.Graph()with g1.as_default():    v1 = tf.Variable(tf.zeros([1]), name="v1")    assign1 = v1.assign(tf.constant([1.0]))    init1 = tf.initialize_all_variables()    save1 = tf.train.Saver()# 图2 - 将v2的值设置为[2.0]g2 = tf.Graph()with g2.as_default():    v2 = tf.Variable(tf.zeros([1]), name="v2")    assign2 = v2.assign(tf.constant([2.0]))    init2 = tf.initialize_all_variables()    save2 = tf.train.Saver()# 对图1进行计算并保存sess1 = tf.Session(graph=g1)sess1.run(init1)print sess1.run(assign1)save1.save(sess1, "tmp/v1.ckpt")# 对图2进行计算并保存sess2 = tf.Session(graph=g2)sess2.run(init2)print sess2.run(assign2)save2.save(sess2, "tmp/v2.ckpt")

如果你确保有一个tmp目录并运行python save_vars.py，你将得到保存的检查点文件。

现在，你可以使用名为”restore_vars.py”的文件来恢复，文件中包含以下代码：

import tensorflow as tf# 我们想要恢复的变量v1和v2v1 = tf.Variable(tf.zeros([1]), name="v1")v2 = tf.Variable(tf.zeros([1]), name="v2")# saver1只查找v1saver1 = tf.train.Saver([v1])# saver2只查找v2saver2 = tf.train.Saver([v2])with tf.Session() as sess:    saver1.restore(sess, "tmp/v1.ckpt")    saver2.restore(sess, "tmp/v2.ckpt")    print sess.run(v1)    print sess.run(v2)

当你运行python restore_vars.py时，输出应该是

[1.][2.]

（至少在我的电脑上是这样的输出）。如果有任何不清楚的地方，请随时发表评论。