tensorflow1.15保存错误

Question

和这篇文章中类似的问题，https://blog.csdn.net/qq_36810544/article/details/81456182
我的网络是个9*60的全链接网络，试着用文章中的方法解决，但是总报错ValueError: Slices must all be slices

    def train(self, nIter):  
        W = self.weights
        b = self.biases
        a = self.activs
        
        variables_dict = {'weights': W,'biases': b,'activs': a}
        
        saver = tf.train.Saver(variables_dict)

Answer 1

引自免费微信小程序：皆我百晓生

在TensorFlow 1.15中，使用tf.train.Saver()保存模型时出现“ValueError: Slices must all be slices”错误，通常是因为尝试保存的变量不是张量或者其形状不正确，导致在构建saver时无法处理。针对您提供的代码片段和描述，全连接网络中的权重（weights）、偏置（biases）和激活值（activations）都应该是一维或二维张量。

为了更好地帮助您解决这个问题，请检查以下几点：

1. 确保self.weights、self.biases和self.activs是TensorFlow的Variable对象，并且它们具有正确的形状和数据类型。
2. 激活值（activations）通常不会被保存，因为它们是在运行过程中动态计算得到的中间结果，而非训练参数。保存模型时重点关注权重和偏置即可。
3. 检查这些变量是否有可能包含不能直接被Saver处理的数据结构，例如列表或其他非张量类型。

这里是一个简单的全连接层模型定义以及保存模型的示例代码：

import tensorflow as tf

class FCNetwork:
    def __init__(self, input_size, output_size):
        self.input_size = input_size
        self.output_size = output_size

        # 初始化权重和偏置
        self.weights = tf.Variable(tf.random.normal([input_size, output_size]), name='weights')
        self.biases = tf.Variable(tf.zeros([output_size]), name='biases')

    def build_model(self, inputs):
        return tf.matmul(inputs, self.weights) + self.biases

    def train(self, nIter, session, optimizer, inputs, labels):
        # 假设已经有了优化器和损失函数
        for _ in range(nIter):
            # 这里省略了训练步骤...

        # 定义Saver
        saver = tf.train.Saver()

        # 保存模型
        save_path = saver.save(session, 'model.ckpt')
        print(f"Model saved in path: {save_path}")

# 示例用法
n_inputs = 9
n_outputs = 60
net = FCNetwork(n_inputs, n_outputs)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    
    # 训练网络...
    
    net.train(nIter=1000, session=sess, optimizer=tf.train.AdamOptimizer(), 
              inputs=tf.placeholder(tf.float32, [None, n_inputs]), 
              labels=tf.placeholder(tf.float32, [None, n_outputs]))

请确保在调用saver.save()之前已经正确初始化并运行了会话（Session），并且所有需要保存的变量都已经在TensorFlow图中定义为Variable对象。