TensorFlow v1兼容模式保存会话报错：仅Eager模式可保存ResourceVariables

1. 强制启用ResourceVariable模式 #

在程序最开头（任何变量定义、TensorFlow API调用之前）添加以下代码，让所有tf.compat.v1定义的变量默认使用ResourceVariable类型，适配TF2的eager执行和保存机制：

tf.compat.v1.enable_resource_variables()

2. 替换V1 Saver为TF2兼容的Checkpoint #

放弃使用tf.compat.v1.train.Saver，改用tf.compat.v1.train.Checkpoint来处理会话状态的保存与恢复——它能自动兼容eager环境下的ResourceVariable：

# 定义完所有需要保存的变量、模型、优化器后初始化Checkpoint
ckpt = tf.compat.v1.train.Checkpoint(
    model=your_model,
    optimizer=your_optimizer,
    key_var=your_key_variable  # 列出所有需要持久化的组件
)

# 保存状态
save_path = ckpt.save("/path/to/your/save_directory/ckpt")

# 恢复状态时
ckpt.restore(save_path).assert_consumed()

3. 避免V1 Session与Eager模式混合 #

如果你的代码仍在使用tf.compat.v1.Session()，可以尝试两种调整：

• 完全迁移到eager模式执行流程，去掉显式的Session调用；
• 若必须保留V1 Session逻辑，在程序开头关闭eager模式（但可能影响其他TF2特性）：

tf.compat.v1.disable_eager_execution()

关闭eager后，传统的tf.compat.v1.train.Saver()即可正常工作。

额外排查点 #

• 检查代码中是否误将tf.Tensor当作变量保存，确保所有需要持久化的状态都是tf.Variable（或ResourceVariable）类型；
• 确认所有需要保存的变量都已在Checkpoint中注册，未注册的组件无法被持久化。

内容的提问来源于stack exchange，提问作者Yugen Omer Korat