Tensorflow训练的模型在云机器上工作，但在我的本地电脑上使用时出现错误

Question

我尝试在paperspace云桌面上创建一个自定义对象检测器，然后在 Jupyter Notebook

现在，我已经上传了整个models主文件夹，并将其下载到了本地计算机上。

我用< code>Jupyter Notebook运行它，现在它给出了< code > InvalidArgumentError 。我尝试在我的本地机器上使用在云上训练的相同的ckpt重新导出推理图，但它仍然不起作用。

InvalidArgumentError追溯（最近一次调用）/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session。py in _do_call（self，fn，*args）1322尝试：-

/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session。py in _run_fn（会话，feed_dict，获取列表，目标列表，选项，运行元数据）1301获取列表，获取列表-

/usr/local/lib/python 3.5/dist-packages/tensor flow/python/framework/errors _ impl . py in exit(self，type_arg，value_arg，trace back _ arg)472 compat . as _ text(c _ API。TF_Message(self.status.status))，-

InvalidArgumentError: NodeDef提到attr 'T '不在Op索引中:int64

在处理上述异常期间，发生了另一个异常：

InvalidArgumentError Traceback（最近一次调用）位于（）20（boxes，scores，classes，num）=sess中。运行（21[detection_box，detection_scores，detecting_classes，num_detections]---

/usr/local/lib/python 3.5/dist-packages/tensor flow/python/client/session . py in run(self，fetches，feed_dict，options，run _ metadata)887 try:888 result = self。_run(None，fetches，feed_dict，options_ptr，-

/usr/local/lib/python 3.5/dist-packages/tensor flow/python/client/session . py in _ run(self，handle，fetches，feed_dict，options，run _ metadata)< br > 1118 if final _ fetches或final _ targets or(handle and feed _ dict _ tensor):1119 results = self。_do_run(句柄，最终目标，最终提取，-

/usr/local/lib/python 3.5/dist-packages/tensor flow/python/client/session . py in _ do _ run(self，handle，target_list，fetch_list，feed_dict，options，run_metadata) 1315如果handle为None: 1316返回self。_do_call(_run_fn，self。_会话，源，获取，目标，-

/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py在_do_call（Self， fn，*args）1334除了KeyError： 1335通过-

InvalidArgumentError: NodeDef提到attr 'T '不在Op索引中:int64

由操作“后处理器/批处理多类NonMax”压缩/映射/同时/多类非Max压缩/过滤器大/位置“引起，定义于：文件”/usr/lib/python3.5/runpy.py“，第 184 行，_run_module_as_main”main“，mod_spec） 文件”/usr/lib/python3.5/runpy.py“，第 85 行，_run_code执行（代码，run_globals）文件”/家/瑞安/本地/库/钼3.5/站点-包/ipykernel_launcher.py“，第 16 行，app.launch_new_instance（） 文件”/家/瑞安/.本地/库/库/蟒蛇 3.5/站点包/特征/配置/应用程序.py“，第 658 行，launch_instance app.start（） 文件”/家/瑞安/.本地/库/python3.5/站点包/ipykernel/kernelapp.py“，第 477 行，在启动 ioloop 中。IOLoop.instance（）.start（） 文件“/home/ryan/.local/lib/python3.5/site-packages/zmq/eventloop/ioloop.py”，第 177 行，在启动超级（ZMQIOLoop，self）.start（） 文件“/家/瑞安/.本地/本地/自由/蟒蛇 3.5/站点包/龙卷风/ioloop.py”，第 888 行，在开始handler_func（fd_obj，事件） 文件“/家/瑞安/.本地/库/蟒蛇 3.5/站点包/龙卷风/stack_context.py”，第 277 行，null_wrapper返回 fn（*args， **kwargs） 文件“/家/瑞安/.本地/库/蟒蛇3.5/站点包/zmq/事件循环/zmqstream.py”，第440行，_handle_events self._handle_recv（）文件“/家/瑞安/.本地/自由/蟒蛇3.5/站点包/zmq包/zmq.py”，第472行，_handle_recv self._run_callback（回调，消息）文件“/家/瑞安/.本地/库/蟒蛇3.5/站点包/zmq/事件循环/zmqstream.py”，第414行，_run_callback回调（*args， **kwargs） 文件“/家/瑞安/.本地/库/蟒蛇3.5/站点包/龙卷风/stack_context.py”，第 277 行，null_wrapper返回 fn（*args， **kwargs） 文件“/家/瑞安/.本地/库/蟒蛇 3.5/站点包/ipykernel/内核.py”，第 283 行，在调度程序返回self.dispatch_shell（流，消息） 文件“/家/瑞安/瑞安/.本地/自由/蟒蛇3.5/站点包/蚦蛇/内核库.py”，第 235 行，dispatch_shell（处理程序流、标识、消息）文件“/家/瑞恩/本地/库/库/蟒蛇3.5/站点包/ipykernel/kernelbase.py“，第 399 行，execute_request user_expressions，allow_stdin） 文件”/家/瑞安/.本地/库/蟒蛇3.5/站点包/ip.py“，第 196 行，do_execute分辨率 = shell.run_cell（代码，store_history=store_history，静默=静默） 文件”/家/瑞安/.本地/lib/python3.5/站点包/ipykernel/zmqshell.py“，第 533 行，run_cell返回超级（ZMQInteractiveShell，self）.run_cell（*args， **kwargs） 文件“/家/瑞安/.本地/库/python3.5/站点包/IPython/核心/交互式外壳.py”，第 2728 行，run_cell交互性=交互性，编译器=编译器，结果=结果） 文件“/家/瑞安/.本地/.本地/库/蟒蛇3.5/站点包/IPython/核心/交互式外壳.py”，第 2850 行，run_ast_nodes如果self.run_code（代码，结果）：文件“/家/ryan/.本地/lib/python3.5/站点包/IPython/core/交互式外壳.py”，第 2910 行，run_code执行（code_obj， self.user_global_ns，self.user_ns） 文件“”，第7行，tf.import_graph_def（od_graph_def，名称=''） 文件“/usr/本地/lib/python3.5/dist包/张量流/python/框架/导入程序.py”，第313行，import_graph_def op_def=op_def）文件“/usr/本地/lib/python3.5/dist包/张量流/蟒蛇/框架/ops.py”，第2956行，create_op op_def=op_def）文件“/usr/本地/lib/python3.5/dist包/张量流/蟒蛇/运.py”， 第 1470 行，初始化self._traceback = self._graph。

InvalidArgumentError（请参阅上面的回溯）：NodeDef提到属性“T”不在Op索引中：int64

Answer 1

云端和本地机器运行的是相同的Python/Tensorflow版本吗？有时，由于内部变量重命名，特定Tensorflow版本产生的检查点不是向后兼容的。