从张量流中的检查点恢复时出错

def test_neural_network(): 
    prediction = neural_network_model(x) 
    with tf.Session() as sess: 
     sess.run(tf.global_variables_initializer()) 
     for epoch in range(hm_epochs): 
      saver.restore(sess, './model.ckpt') 
     # more code here

这是我正在处理的代码示例。我已将model.ckpt保存在与我的文件相同的目录中。从张量流中的检查点恢复时出错

然而，当我运行代码，我得到一个错误说：

InvalidArgumentError (see above for traceback): Expected to restore a tensor of type float, got a tensor of type int32 instead: tensor_name = Variable 
[[Node: save/RestoreV2 = RestoreV2[dtypes=[DT_FLOAT], _device="/job:localhost/replica:0/task:0/cpu:0"](_recv_save/Const_0, save/RestoreV2/tensor_names, save/RestoreV2/shape_and_slices)]]

来源

2017-06-06 rjmessibarca

它看起来像你的模型定义是你救了一个有些不同。尝试使用saver = tf.train.import_meta_graph('your_model_name.meta')而不是在neural_network_model()中手动生成图。

来源

2017-06-06 16:29:58 frankyjuang

我使用了saver = tf.train.Saver（）。运行train_neural_network现在给我错误说ValueError：没有为任何变量提供梯度，检查您的图表不支持变量之间梯度的操作。 – rjmessibarca

从张量流中的检查点恢复时出错

回答

相关问题