轉，原創詳見： http://blog.csdn.net/sinat_29957455/article/details/78508793

variables_to_restore函式，是TensorFlow為滑動平均值提供。之前，也介紹過通過使用滑動平均值可以讓神經網路模型更加的健壯。我們也知道，其實在TensorFlow中，變數的滑動平均值都是由影子變數所維護的，如果你想要獲取變數的滑動平均值需要獲取的是影子變數而不是變數本身。

1、滑動平均值模型檔案的儲存

1. import tensorflow as tf  
2. if __name__ == "__main__":  
3.     v = tf.Variable(0.,name=
   "v")  
4.     #設定滑動平均模型的係數
5.     ema = tf.train.ExponentialMovingAverage(0.99)  
6.     #設定變數v使用滑動平均模型，tf.all_variables()設定所有變數
7.     op = ema.apply([v])  
8.     #獲取變數v的名字
9.     print(v.name)  
10.     #v:0
11.     #建立一個儲存模型的物件
12.     save = tf.train.Saver()  
13.     sess = tf.Session()  
14.     #初始化所有變數
15.     init = tf.initialize_all_variables()  
16.     sess.run(init)  
17.     #給變數v重新賦值
18.     sess.run(tf.assign(v,10))  
19.     #應用平均滑動設定
20.     sess.run(op)  
21.     #儲存模型檔案
22.     save.save(sess,"./model.ckpt")  
23.     #輸出變數v之前的值和使用滑動平均模型之後的值
24.     print(sess.run([v,ema.average(v)]))  
25.     #[10.0, 0.099999905]

2、滑動平均值模型檔案的讀取

1. v = tf.Variable(
   1.,name="v")  
2. #定義模型物件
3. saver = tf.train.Saver({"v/ExponentialMovingAverage":v})  
4. sess = tf.Session()  
5. saver.restore(sess,"./model.ckpt")  
6. print(sess.run(v))  
7. #0.0999999

3、variables_to_restore函式的使用

1. v = tf.Variable(1.,name="v")  
2. #滑動模型的引數的大小並不會影響v的值
3. ema = tf.train.ExponentialMovingAverage(0.99)  
4. print(ema.variables_to_restore())  
5. #{'v/ExponentialMovingAverage': <tf.Variable 'v:0' shape=() dtype=float32_ref>}
6. sess = tf.Session()  
7. saver = tf.train.Saver(ema.variables_to_restore())  
8. saver.restore(sess,"./model.ckpt")  
9. print(sess.run(v))  
10. #0.0999999