我已经编写了一个Tensorflow CNN并完成了训练。我希望恢复它以在一些样本上运行，但不幸的是它输出了以下错误：

ValueError: 没有可保存的变量

我的评估代码可以在以下位置找到：

import tensorflow as tfimport mainimport Processimport Inputeval_dir = "/Users/Zanhuang/Desktop/NNP/model.ckpt-30"checkpoint_dir = "/Users/Zanhuang/Desktop/NNP/checkpoint"init_op = tf.initialize_all_variables()saver = tf.train.Saver()def evaluate():  with tf.Graph().as_default() as g:    sess.run(init_op)    ckpt = tf.train.get_checkpoint_state(checkpoint_dir)    saver.restore(sess, eval_dir)    images, labels = Process.eval_inputs(eval_data = eval_data)    forward_propgation_results = Process.forward_propagation(images)    top_k_op = tf.nn.in_top_k(forward_propgation_results, labels, 1)    print(top_k_op)def main(argv=None):    evaluate()if __name__ == '__main__':  tf.app.run()

回答：

tf.train.Saver 必须在你想要恢复（或保存）的变量之后创建。另外，它必须在与这些变量相同的图中创建。

假设 Process.forward_propagation(…) 也创建了模型中的变量，在这行代码之后添加保存器的创建应该会起作用：

forward_propgation_results = Process.forward_propagation(images)

此外，你必须将新创建的 tf.Graph 传递给 tf.Session 构造函数，所以你需要将 sess 的创建也移到那个 with 块中。

最终的函数将类似于以下内容：

def evaluate():  with tf.Graph().as_default() as g:    images, labels = Process.eval_inputs(eval_data = eval_data)    forward_propgation_results = Process.forward_propagation(images)    init_op = tf.initialize_all_variables()    saver = tf.train.Saver()    top_k_op = tf.nn.in_top_k(forward_propgation_results, labels, 1)  with tf.Session(graph=g) as sess:    sess.run(init_op)    saver.restore(sess, eval_dir)    print(sess.run(top_k_op))