TensorFlow加载部分模型

详情参考https://www.cnblogs.com/yibeimingyue/p/11921474.html

本文采用的方式为重写一样的graph, 然后恢复指定scope

1.保存模型部分，通过saver参数，定义要保存的scope:

variables = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)

　　tf.get_collection能生成参与训练的scope值的列表，可以直接作为Saver的参数,可以按需通过列表切片指定scope.

variables = variables[8:]

 saver = tf.train.Saver(variables)  # create a saver

saver.save(sess,saver_path)

　　2.重写一样的graph

class Rebuild(object):
    def __init__(self, batch_size):
        """
        build the graph
        """

　　定义两个saver

saver_vgg = tf.train.Saver(vgg_ref_vars) # 这个是要恢复部分的saver
saver = tf.train.Saver() # 这个是当前新图的saver

　　在实例化Rebuild类之后，初始化，然后restore

with tf.Session(config=config) as sess:
sess.run(init)
...
saver_vgg.restore(sess, vgg_graph_weight)#使用导入图的saver来恢复