終于找到bug原因！記一下；還是不熟悉平臺的原因造成的！

Q：為什么會出現(xiàn)兩個模型對象在同一個文件中一起運行，當直接讀取他們分開運行時訓練出來的模型會出錯，而且總是有一個正確，一個讀取錯誤？ 而 直接在同一個文件又訓練又重新加載模型預(yù)測不出錯，而且更詭異的是此時用分文件里的對象加載模型不會出錯？

model.py,里面含有 ModelV 和 ModelP，另外還有 modelP.py 和 modelV.py 分別只含有 ModelP 和 ModeV 這兩個對象，先使用 modelP.py 和 modelV.py 分別訓練好模型，然后再在 model.py 里加載進來：

# -*- coding: utf8 -*-import tensorflow as tfclass ModelV(): def __init__(self):  self.v1 = tf.Variable(66, name="v1")  self.v2 = tf.Variable(77, name="v2")  self.save_path = "model_v/model.ckpt"  self.init = tf.global_variables_initializer()  self.saver = tf.train.Saver()  self.sess = tf.Session() def train(self):  self.sess.run(self.init)  print 'v2', self.v2.eval(self.sess)  self.saver.save(self.sess, self.save_path)  print "ModelV saved." def predict(self):  all_vars = tf.trainable_variables()  for v in all_vars:   print(v.name)  self.saver.restore(self.sess, self.save_path)  print "ModelV restored."  print 'v2', self.v2.eval(self.sess)  print '------------------------------------------------------------------'class ModelP(): def __init__(self):  self.p1 = tf.Variable(88, name="p1")  self.p2 = tf.Variable(99, name="p2")  self.save_path = "model_p/model.ckpt"  self.init = tf.global_variables_initializer()  self.saver = tf.train.Saver()  self.sess = tf.Session() def train(self):  self.sess.run(self.init)  print 'p2', self.p2.eval(self.sess)  self.saver.save(self.sess, self.save_path)  print "ModelP saved." def predict(self):  all_vars = tf.trainable_variables()  for v in all_vars:   print v.name  self.saver.restore(self.sess, self.save_path)  print "ModelP restored."  print 'p2', self.p2.eval(self.sess)  print '---------------------------------------------------------------------'if __name__ == '__main__': v = ModelV() p = ModelP() v.predict() #v.train() p.predict()  #p.train()

這里 tf.global_variables_initializer() 很關(guān)鍵！ 盡管你是分別在對象 ModelP 和 ModelV 內(nèi)部分配和定義的 tf.Variable()，即 v1 v2 和 p1 p2，但是 對 tf 這個模塊而言， 這些都是全局變量，可以通過以下代碼查看所有的變量，你就會發(fā)現(xiàn)同一個文件中同時運行 ModelP 和 ModelV 在初始化之后都打印出了一樣的變量，這個是問題的關(guān)鍵所在：

all_vars = tf.trainable_variables()for v in all_vars: print(v.name)

錯誤。你可以交換 modelP 和 modelV 初始化的順序，看看錯誤信息的變化

v1:0v2:0p1:0p2:0ModelV restored.v2 77v1:0v2:0p1:0p2:0W tensorflow/core/framework/op_kernel.cc:975] Not found: Key v2 not found in checkpointW tensorflow/core/framework/op_kernel.cc:975] Not found: Key v1 not found in checkpoint