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：

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)

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)

父主题： FAQ