我试图保存一些变量并查看是否可以稍后恢复它们。以下是我的保存代码:

   import tensorflow as tf;   my_a = tf.Variable(2,name = "my_a");   my_b = tf.Variable(3,name = "my_b");   my_c = tf.Variable(4,name = "my_c");   my_c = tf.add(my_a,my_b);   with tf.Session() as sess:       init = tf.initialize_all_variables();       sess.run(init);       print("my_c =  ",sess.run(my_c));       saver = tf.train.Saver();       saver.save(sess,"test.ckpt");

这会输出:

    my_c =   5

当我恢复它时:

   import tensorflow as tf;   c = tf.Variable(3100,dtype = tf.int32);   with tf.Session() as sess:       sess.run(tf.initialize_all_variables());       saver = tf.train.Saver({"my_c":c});       saver.restore(sess, "test.ckpt");       cc= sess.run(c);       print(cc);

这会给我:

    4

恢复的 my_c 值应该是 5，因为它是 my_a 和 my_b 的和。然而，它给我的是 4，这是 my_c 的初始化值。能有人解释为什么会这样吗，以及如何保存变量的更改?

回答：

在你的原始代码中，你实际上并没有将名为 my_c 的变量（请注意，TensorFlow 的 name）赋值为 my_a + my_b。

通过编写 my_c = tf.add(my_a,my_b)，Python 变量 my_c 现在与具有 name='my_c' 的 tf.Variable 不同。

当你执行 sess.run() 时，你只是在执行操作，并没有更新那个变量。

如果你想让这段代码正确运行，请使用以下代码 – （查看注释中的更改）

import tensorflow as tfmy_a = tf.Variable(2,name = "my_a")my_b = tf.Variable(3,name = "my_b")my_c = tf.Variable(4,name="my_c")# 使用 assign() 函数设置新值add = my_c.assign(tf.add(my_a,my_b))with tf.Session() as sess:    init = tf.initialize_all_variables()    sess.run(init)    # 执行 add 操作符    sess.run(add)    print("my_c =  ",sess.run(my_c))    saver = tf.train.Saver()    saver.save(sess,"test.ckpt")