tensorflow中遇到的问题汇总

本文探讨了在使用AdamOptimizer等优化器时遇到的权重加载问题,并提供了通过使用tf.train.import_meta_graph()来解决该问题的方法。此外还讨论了如何避免因部分模型参数未初始化而引发的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

   (1)

使用Adamoptimizer 等优化器时,载入权重进行再训练时,有可能会提示 ‘...kernel/adam_1 not found in checkpoint’。adam_1等参数不在tf.GraphKeys.TRAINABLE_VARIABLES这个集合(tf.trainable_variables())里。

因为:saver(默认保存所有可以保存的变量(defaults to the list of all saveable objects.))在不传入参数名称时,是按照已经定义好的图来载入对应的可保存的变量参数值。

saver = tf.train.Saver()

此问题,可以换一种载入模型的方式,用:

saver = tf.train.import_meta_graph(r'./model/themodel.meta')
with tf.Session() as sess:
    saver.restore(sess, r'./model/themodel')

来解决。

使用tf.train.import_meta_graph时,不需要自己再定义graph,但是如果之前定义了graph_0,graph_0将会被覆盖掉。所以,使用这种方法来定义graph时,不能自己再重新定义graph。要使用某个op,可以在第一次训练时,使用

tf.add_to_collection('train_op', train_op)# 'train_op'为任意起的一个字符串,定义了一个自己的collection
之后import_meta_graph()后,用
train_op = tf.get_collection('train_op')[0]
来获取相应的op。(类似的,可以用tf.train.export_meta_graph()来保存graph,tf.train.Saver()会默认保存graph,即.meta文件。)点击打开链接

      ps:若载入的模型之前不是保存的所有模型参数(tf.globle_variables())的话,有可能会出问题,因为有的参数没有被初始化(未使用tf.global_variables_initializer())。

在使用 TensorFlow 2.x 版本时,可能会遇到一些兼容性问题。其中一个常见的问题是 "tf.placeholder() is not compatible with eager execution." 这个错误。这是因为 TensorFlow 2.x 默认开启了 eager execution ,而 placeholder 和 eager execution 不兼容。为了解决这个问题,你可以在代码的最前面添加以下代码来禁用 eager execution : import tensorflow as tf tf.compat.v1.disable_eager_execution() 另外一个兼容性问题是关于 tf.contrib 模块的变化。在 TensorFlow 2.x 中,tf.contrib 模块已经被移除,所以你可能会遇到 "AttributeError: module 'tensorflow' has no attribute 'contrib'" 的错误。这个错误通常是由于使用了 tf.contrib.layers.l2_regularizer() 这个函数造成的。在 TensorFlow 2.x 中,你可以将它转换为 tf.keras.regularizers.l2() 。这样就可以解决这个兼容性问题。 另外,如果你需要将 TensorFlow 1.x 的代码转换为 TensorFlow 2.x 的代码,你可以使用 tf_upgrade_v2 命令行工具来完成。在命令提示符(cmd)中运行以下命令: tf_upgrade_v2 --infile file_v1.py --outfile file_v2.py 这将把名为 file_v1.py 的 TensorFlow 1.x Python 文件转换为名为 file_v2.py 的 TensorFlow 2.x 版本的文件。 通过以上的方法,你可以解决一些 TensorFlow 兼容性问题,并成功地迁移到 TensorFlow 2.x 版本。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [TensorFlow v1到v2版本兼容问题汇总与解决方案](https://blog.youkuaiyun.com/hzhaoy/article/details/104638353)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值