Tensorflow - 从不同文件夹保存和恢复

Question

我在tensorflow中创建并保存了简单的nn：

import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, [1, 1],name='input_placeholder')
y = tf.placeholder(tf.float32, [1, 1],name='input_placeholder')
W = tf.get_variable('W', [1, 1])
layer = tf.matmul(x, W, name='layer')
loss = tf.subtract(y,layer)
train_step = tf.train.AdagradOptimizer(0.1).minimize(loss, name='train_step')
all_saver = tf.train.Saver() 

sess = tf.Session()
sess.run(tf.global_variables_initializer())

x_test = np.zeros((1, 1))
y_test = np.zeros((1, 1))
some_output = sess.run([train_step],feed_dict = {x:x_test,y:y_test})

save_path = r'C:\Temp\tf_exp\save_folder\test'
all_saver.save(sess,save_path)

然后我把所有文件都放在C:\Temp\tf_exp\save_folder\中并将它们移动（完全没有被复制）到C:\Temp\tf_exp\restore_folder。我移动的文件是：

checkpoint
test.data-00000-of-00001
test.index
test.meta

然后我尝试从新位置恢复nn：

meta_path = r'C:\Temp\tf_exp\restore_folder\test.meta'
checkpoint_path = r'C:\Temp\tf_exp\restore_folder\\'
print(checkpoint_path)
new_all_saver = tf.train.import_meta_graph(meta_path)
sess=tf.Session()
new_all_saver.restore(sess, tf.train.latest_checkpoint(checkpoint_path))
graph = tf.get_default_graph()
layer= graph.get_tensor_by_name('layer:0')
x=graph.get_tensor_by_name('input_placeholder:0')

这是恢复代码生成的错误：

C:\Temp\tf_exp\restore_folder\\
ERROR:tensorflow:Couldn't match files for checkpoint C:\Temp\tf_exp\save_folder\test
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-2-9af4e683fc4b> in <module>()
      5 new_all_saver = tf.train.import_meta_graph(meta_path)
      6 sess=tf.Session()
----> 7 new_all_saver.restore(sess, tf.train.latest_checkpoint(checkpoint_path))
      8 graph = tf.get_default_graph()
      9 layer= graph.get_tensor_by_name('layer:0')

~\AppData\Local\conda\conda\envs\tensorflow\lib\site-packages\tensorflow\python\training\saver.py in restore(self, sess, save_path)
   1555       return
   1556     if save_path is None:
-> 1557       raise ValueError("Can't load save_path when it is None.")
   1558     logging.info("Restoring parameters from %s", save_path)
   1559     sess.run(self.saver_def.restore_op_name,

ValueError: Can't load save_path when it is None.

我怎么能避免呢？移动文件的正确方法是什么？

更新：

当我在寻找答案时，看起来使用相对路径是可行的方法。但我不知道如何使用相对路径。我应该将Python的当前工作目录更改为保存模型数据的位置吗？

Answer 1

只需在创建save_relative_paths=True时添加tf.train.Saver()：

# original code: all_saver = tf.train.Saver()
all_saver = tf.train.Saver(save_relative_paths=True)

有关更多详细信息，请参阅official doc。

Answer 2

您可以尝试通过以下方式恢复：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph(/path/to/test.meta)
    saver.restore(sess, "path/to/checkpoints/test")

在这种情况下，因为您将检查点的名称设置为“test”，所以您有3个文件：

test.data-00000-of-00001
test.index
test.meta

因此，在还原时，需要将路径设置为checkpoint文件夹+“/ test”。系统会自动加载相应的数据和索引文件。

Answer 3

您可以尝试在记事本上打开检查点文件并进行编辑：

model_checkpoint_path: "Name-of-saver"
all_model_checkpoint_paths: "Name-of-saver"