使用TensorFlow与MNIST做手写数字预测，恢复模型报错如何解决？

兄弟，我一眼就看到你代码里最致命的问题了——你居然先恢复了预训练模型，紧接着又跑去初始化所有变量！这操作就像你刚把游戏存档读出来，反手点了“新游戏”，之前训练好的权重直接被重置成初始值，等于白加载模型了！

接下来给你一步步拆解问题和修复方案：

1. 最核心的错误：颠倒了模型恢复与变量初始化的顺序 #

你现在的代码片段：

sess.restore(sess, 'model.ckpt')
sess.run(init_op)

这完全搞反了！初始化变量会把所有参数重置为随机初始值，直接覆盖掉你刚恢复的模型权重。正确的做法是：要么直接恢复模型（restore操作会自动给变量赋值，根本不需要初始化）；如果你的计算图里有新增的未保存变量，才需要先初始化再restore（但这种情况很少见）。

直接把sess.run(init_op)这行删掉就行！

另外提一句：tf.initialize_all_variables()早就被TensorFlow弃用了，现在应该用tf.global_variables_initializer()，不过既然我们直接restore模型，这行初始化代码其实可以直接去掉。

2. 其他可能踩坑的地方要注意 #

• 模型结构必须和保存时完全一致：你当前代码里的x、layer3、keep_prob这些节点的定义，必须和你当初保存模型时的结构一模一样（比如输入维度是784，网络层数、每层神经元数都不能变），不然restore的时候会找不到对应的变量，直接报错。
• 模型文件路径要对：确保model.ckpt文件在你的当前工作目录下，或者给个完整路径（比如./my_models/model.ckpt），不然程序会说找不到文件。
• Dropout的keep_prob要设对：你这里预测时设成1.0是对的，要是设成小于1的数，会随机丢弃神经元，导致预测结果乱七八糟。

修复后的完整代码示例（假设你的模型结构已正确定义） #

import tensorflow as tf

# 这里的模型结构必须和你保存模型时的代码完全一致！
x = tf.placeholder(tf.float32, [None, 784])
keep_prob = tf.placeholder(tf.float32)

# 示例网络（替换成你自己的模型结构）
layer1 = tf.layers.dense(x, 256, activation=tf.nn.relu)
layer2 = tf.layers.dropout(layer1, rate=1-keep_prob)
layer3 = tf.layers.dense(layer2, 10)

y_pred = tf.nn.softmax(layer3)
saver = tf.train.Saver()

with tf.Session() as sess:
    # 直接恢复模型，不需要初始化
    saver.restore(sess, 'model.ckpt')
    prediction = tf.argmax(y_pred, 1)
    # imvalue是你预处理好的784维手写数字图像向量
    print(prediction.eval(feed_dict={x: [imvalue], keep_prob: 1.0}, session=sess))

内容的提问来源于stack exchange，提问作者Monojit Sarkar