插入量化算子后，如何恢复模型训练参数

用户调用quantize_model接口在传入的图中插入量化相关的变量op列表（quant_add_ops），该列表中的变量值无法在模型训练参数文件中找到，故模型训练参数直接恢复会出现变量无法找到的错误，因此需要在模型参数恢复之前，将quant_add_ops列表中的变量值从恢复列表中剔除，具体的剔除方法如下：

1. 影子变量恢复情况

   # 1.获取所有变量的{变量名：变量值}对应字典variables_dict
   variables_ema = tf.train.ExponentialMovingAverage(moving_average_decay)
   variables_dict = variables_ema.variables_to_restore()
   
   # 2.定义需要恢复的变量的{变量名：变量值}对应字典params_need_load
   params_need_load = dict()
   
   # 3.基于quant_add_ops从variables_dict中找寻需要恢复的变量
   for key, value in variables_dict.items():
       if value not in quant_add_ops:
           params_need_load[key] = value
   
   # 4.恢复变量
   loader = tf.train.Saver(params_need_load)
   loader.restore(sess, FLAGS.checkpoint)

2. 非影子变量恢复的情况

   # 1.获取所有变量的{变量名：变量值}对应字典variables_dict
   variables_global = tf.global_variables()
   variables_dict = dict()
   for var in variables_global:
       variables_dict[var.name[:-2]] = var
   
   # 2.定义需要恢复的变量的{变量名：变量值}对应字典params_need_load
   params_need_load = dict()
   
   # 3.基于quant_add_ops从variables_dict中找寻需要恢复的变量
   for key, value in variables_dict.items():
       if value not in quant_add_ops:
          params_need_load[key] = value
   
   # 4.恢复变量
   loader = tf.train.Saver(params_need_load)
   loader.restore(sess, FLAGS.checkpoint)