TensorFlow加载checkpoint报错Key global_step not found问题问询

报错核心原因：官方发布的预训练权重仅保存了模型推理相关参数，未存储global_step训练步数变量，但训练代码中构造的tf.train.Saver将global_step加入了待恢复变量列表，TensorFlow默认加载逻辑要求Saver指定的所有变量必须在checkpoint中存在匹配键，因此抛出找不到Key的错误。
另外代码中存在一处逻辑错误：在会话上下文内调用tf.reset_default_graph()会直接清空当前已构建的计算图，即使权重加载成功，后续也会因找不到已定义的计算节点报错。

• 执行以下代码打印checkpoint内存储的所有变量键，可直接验证权重中确实不存在global_step项：

from tensorflow.python.tools import inspect_checkpoint as chkp
# 替换为本地checkpoint的实际路径
chkp.print_tensors_in_checkpoint_file(
    "/home/stereo_magnification/stereo-magnification-master/model/siggraph_model_20180701/model.latest",
    tensor_name='',
    all_tensors=False
)

• 核对Saver绑定的变量列表：当前代码中Saver加载范围为所有模型变量加global_step，超出了预训练权重的存储范围。
• 定位冗余错误代码：删除saver.restore()前的tf.reset_default_graph()调用，该行在已启动的会话上下文中无任何正向作用，只会破坏计算图结构。

根据使用场景二选一即可：

场景1：加载官方预训练权重做微调 #

这是预训练权重的标准使用场景，不需要继承原训练步数，加载时跳过权重中不存在的global_step变量，使用代码中初始化的0值作为训练起始步数即可：

1. 删除冗余的tf.reset_default_graph()行
2. 将原代码中直接调用saver.restore(sess, checkpoint)的逻辑替换为以下代码，仅加载权重中存在的匹配变量：

# 读取checkpoint内存储的变量列表
reader = tf.train.NewCheckpointReader(checkpoint)
ckpt_var_names = set(reader.get_variable_to_shape_map().keys())
# 筛选出当前图中与checkpoint匹配的模型参数
loadable_vars = [
    var for var in tf.model_variables()
    if var.name.split(':')[0] in ckpt_var_names
]
# 构造专属加载器恢复权重
load_saver = tf.train.Saver(loadable_vars)
load_saver.restore(sess, checkpoint)
tf.logging.info("Loaded %d pretrained parameters, global_step initialized to 0", len(loadable_vars))

修改后原有训练逻辑不需要调整，global_step会从0开始正常计数，不影响微调训练。

场景2：从自己之前中断的训练任务断点续训 #

这种场景不要指向官方发布的预训练权重路径，将checkpoint_dir指向你自己训练过程中输出的checkpoint目录即可，自己训练保存的checkpoint会自动存储global_step变量，原代码逻辑可正常运行。官方预训练权重仅包含模型参数，本身就不是为断点续训场景准备的。

内容的提问来源于stack exchange，提问作者Carl Mier