在TensorFlow中，保存和还原LSTM型号是否有任何差异

Question

我试图根据教程保存和还原LSTM模型。实际上，它可以在普通模型保存和恢复CNN模型中起作用。但是，当我尝试还原LSTM模型时，它会引发错误

FailedPreconditionError（请参阅上文有关追溯）：尝试使用非专业化值rnn_model/rnn/multi_rnn_cell/cell_0/basic_lstm_cell/kernel/kernel

关键代码显示的内容如下：

   with tf.Session() as sess:
    saver.restore(sess, saver_path)
    with tf.variable_scope('RNN_model', reuse=None):
        train_rnn = RNNmodel.LSTMmodel(True, RNNmodel.TRAIN_BATCH_SIZE, RNNmodel.NUM_STEP)
    with tf.variable_scope('RNN_model', reuse=True):
        test_rnn = RNNmodel.LSTMmodel(False, RNNmodel.EVAL_BATCH_SIZE, RNNmodel.NUM_STEP)

我想知道保存和还原中的普通模型和LSTM模型之间是否有任何区别。请帮助

编辑：我尝试移动restore并起作用，但是当我运行模型时，它仍然会引发相同的错误，我的run_epoch代码如下：

def run_epoch(session, model, datas, train_op, is_log, epoch=3000):
    state = session.run(model.initiate_state)
    total_cost = 0
    for i in range(epoch):
        data, label = random_get_data(datas, model.batch_size, num_step=RNNmodel.NUM_STEP)
        feed_dict = {
            model.input_data: data,
            model.target: label,
            model.initiate_state: state
        }
        cost, state, argmax_logit, target, _ = session.run([model.loss, model.final_state, model.argmax_target, model.target, train_op], feed_dict)

日志位于：

处的错误

cost, state, argmax_logit, target, _ = session.run([model.loss, model.final_state, model.argmax_target, model.target, train_op], feed_dict)

，日志显示如下：

tensorflow.python.framework.errors_impl.failedpreconditionError：尝试使用非专业的值

看来restore没有还原LSTM内核操作。我应该做任何事情来启动LSTM操作吗？

edit2 ：我终于查看了checkpoint文件，我确定save操作剂量不能保存有关LSTM单元的变量，我不知道为什么。似乎我必须明确地命名变量，否则我将无法保存，并且Basicallstmcell class init （）剂量没有name参数。

Answer 1

没有区别，rnns使用普通变量。

我认为你必须移动

saver.restore(sess, saver_path)

创建LSTMMODEL后。否则，当您调用还原时，它的变量就不在图中 - 因此不会恢复它们。

Answer 2

我终于弄清楚了。根据节省和恢复受过张量的LSTM，以及 jeronimo garcia-loygorri 的答案，我在LSTM模型的定义后移动Saver的创建，然后每个问题都消失了！

！