我有一个使用Tensorflow的简单神经网络。以下是会话代码：

with tensorFlow.Session() as sess:  sess.run(tensorFlow.global_variables_initializer())  for epoch in range(epochs):    i = 0    epochLoss = 0    for _ in range(int(len(data) / batchSize)):      ex, ey = nextBatch(i)      i += 1      feedDict = {x :ex, y:ey }      _, cos = sess.run([optimizer,cost], feed_dict= feedDict)       epochLoss += cos / (int(len(data)) / batchSize)    print("Epoch", epoch + 1, "completed out of", epochs, "loss:", "{:.9f}".format(epochLoss))  save_path = saver.save(sess, "model.ckpt")  print("Model saved in file: %s" % save_path)

在最后两行，我保存了模型，并在另一个类中恢复了图形：

with new_graph.as_default():    with tf.Session(graph=new_graph) as sess:        sess.run(tf.global_variables_initializer())        new_saver = tf.train.import_meta_graph('model.ckpt.meta')        new_saver.restore(sess, tf.train.latest_checkpoint('./'))

我想重新训练模型，这意味着不初始化权重，只是从上次停止的地方更新它们。

我该怎么做呢？

回答：

来自 https://www.tensorflow.org/api_docs/python/state_ops/saving_and_restoring_variables

tf.train.Saver.restore(sess, save_path)

恢复先前保存的变量。

此方法运行构造函数添加的用于恢复变量的操作。它需要一个已经启动图形的会话。要恢复的变量不必已经初始化，因为恢复本身就是一种初始化变量的方式。

以下示例来自 https://www.tensorflow.org/how_tos/variables/

# 创建一些变量。v1 = tf.Variable(..., name="v1")v2 = tf.Variable(..., name="v2")...# 添加保存和恢复所有变量的操作。saver = tf.train.Saver()# 稍后，启动模型，使用saver从磁盘恢复变量，并# 使用模型进行一些工作。with tf.Session() as sess:  # 从磁盘恢复变量。  saver.restore(sess, "/tmp/model.ckpt")  print("模型已恢复。")  # 使用模型进行一些工作  ...