TensorFlow三层MNIST模型权重保存报错：无变量可保存求解

嘿，这个问题我之前踩过坑！ValueError: No variables to save本质上是因为你的tf.train.Saver()在当前Graph里找不到任何可训练的变量——要么是你restore的时候Graph没包含原模型的变量定义，要么是变量创建和Saver初始化的时机完全错了。下面给你一步步拆解解决方案：

1. 核心问题：Restore前必须复现模型变量结构 #

你现在的代码是直接创建空Graph就初始化Saver、restore，但这个空Graph里根本没有你那三层MNIST模型的权重、偏置变量啊！Saver只能识别当前Graph中存在的变量，所以必须先在这个Graph里重新定义一遍你的模型结构（变量名要和保存时完全一致），再初始化Saver。

举个完整的修正示例：

import tensorflow as tf

with tf.Graph().as_default():
    # 第一步：重新定义你的三层MNIST模型变量（完全复现训练时的结构和变量名）
    def build_mnist_model():
        # 输入层到隐藏层1的权重/偏置
        W1 = tf.Variable(tf.random_normal([784, 256]), name='W1')
        b1 = tf.Variable(tf.zeros([256]), name='b1')
        # 隐藏层1到隐藏层2的权重/偏置
        W2 = tf.Variable(tf.random_normal([256, 128]), name='W2')
        b2 = tf.Variable(tf.zeros([128]), name='b2')
        # 隐藏层2到输出层的权重/偏置
        W3 = tf.Variable(tf.random_normal([128, 10]), name='W3')
        b3 = tf.Variable(tf.zeros([10]), name='b3')
        return W1, b1, W2, b2, W3, b3
    
    # 构建模型，生成可被Saver识别的变量
    W1, b1, W2, b2, W3, b3 = build_mnist_model()
    
    # 第二步：现在初始化Saver，就能找到变量了
    saver = tf.train.Saver()
    sess = tf.Session()
    # 注意：你原代码里路径多了一个多余的双引号，要去掉！
    saver.restore(sess, '/tmp/model.ckpt')
    
    # 第三步：现在可以直接提取权重了
    hidden1_weights = sess.run(W1)
    hidden2_weights = sess.run(W2)
    output_weights = sess.run(W3)
    print("成功提取隐藏层1权重形状：", hidden1_weights.shape)

2. 检查训练时的保存代码是否正确 #

另外还要回溯你训练时保存模型的代码，如果当时Saver是在变量定义前创建的，那保存的ckpt文件本身就没有变量，restore自然会报错。训练时的正确保存逻辑应该是：

# 先定义模型变量
W1 = tf.Variable(...)
# ...其他变量定义...
# 再创建Saver（必须在变量定义之后）
saver = tf.train.Saver()
# 训练循环...
# 训练完成后保存
saver.save(sess, '/tmp/model.ckpt')

3. 进阶：直接导出冻结.pb文件（包含权重常量） #

你最终目标是导出.pb文件提取权重，其实可以用TensorFlow的冻结图工具，把变量直接转为图中的常量，生成的.pb文件既包含结构也包含权重，更方便后续使用。示例代码：

from tensorflow.python.framework import graph_util

with tf.Graph().as_default():
    # 重新定义模型
    W1, b1, W2, b2, W3, b3 = build_mnist_model()
    # 假设你的输出层logits节点名为"output_logits"，要改成你实际的节点名
    logits = tf.matmul(tf.nn.relu(tf.matmul(tf.nn.relu(tf.matmul(x, W1)+b1), W2)+b2), W3)+b3
    tf.identity(logits, name='output_logits')
    
    saver = tf.train.Saver()
    sess = tf.Session()
    saver.restore(sess, '/tmp/model.ckpt')
    
    # 将变量转为常量，指定输出节点
    frozen_graph_def = graph_util.convert_variables_to_constants(
        sess,
        sess.graph_def,
        ['output_logits']
    )
    
    # 写入.pb文件
    with open('/tmp/frozen_mnist_model.pb', 'wb') as f:
        f.write(frozen_graph_def.SerializeToString())

内容的提问来源于stack exchange，提问作者himsikha