恢复TensorFlow图与会话后使用tf.get_variable获取变量失败

我完全理解你遇到的困扰：明明通过变量集合确认SMWeightMatrix确实存在，但用tf.get_variable尝试获取时却抛出了找不到变量的错误。这是因为TensorFlow的变量作用域与导入图后的变量查找机制存在一些细节需要注意，下面给你几个可行的解决方案：

方案1：直接通过张量名称获取（最直接高效） #

既然你已经确认变量存在于图中，最简单的方式是跳过tf.get_variable，直接用变量的张量名称从图中提取：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('./MODEL4/text8.ckpt.meta')
    saver.restore(sess, './MODEL4/text8.ckpt')
    # 注意变量的张量名称是 'SMWeightMatrix:0'（从你的输出日志中可以看到）
    embeddingRestored = tf.get_default_graph().get_tensor_by_name('SMWeightMatrix:0')
    # 可以运行验证变量值是否正确加载
    print(sess.run(embeddingRestored[:5]))

方案2：使用tf.AUTO_REUSE替代reuse=True #

报错提示里已经建议使用reuse=tf.AUTO_REUSE，这个参数会让TensorFlow自动检测变量是否存在——存在就复用，不存在再创建，比手动设置reuse=True更适配导入图后的场景：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('./MODEL4/text8.ckpt.meta')
    saver.restore(sess, './MODEL4/text8.ckpt')
    with tf.variable_scope('', reuse=tf.AUTO_REUSE):
        embeddingRestored = tf.get_variable('SMWeightMatrix')

方案3：遍历全局变量列表匹配查找 #

你也可以遍历全局变量集合，通过变量名精准匹配找到目标变量：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('./MODEL4/text8.ckpt.meta')
    saver.restore(sess, './MODEL4/text8.ckpt')
    embeddingRestored = None
    for var in tf.global_variables():
        if var.name == 'SMWeightMatrix:0':
            embeddingRestored = var
            break
    if embeddingRestored:
        print("成功找到目标变量：", embeddingRestored)

为什么原来的代码会报错？ #

当你用tf.train.import_meta_graph导入完整图后，变量确实存在于默认图中，但reuse=True的作用域要求变量必须是在当前作用域下通过tf.get_variable创建的。虽然变量实际存在，但TensorFlow的作用域机制在这种导入图的场景下无法正确识别，而tf.AUTO_REUSE会跳过这个严格检查，优先查找已存在的变量，因此能解决问题。

内容的提问来源于stack exchange，提问作者SantoshGupta7