variables = tf.contrib.framework.get_variables(vs)

`tf.contrib.framework.get_variables_to_restore()`函数在TensorFlow 1.x中用于从保存的模型中恢复变量。这段代码的作用是：

1. 定义了一个名为`variables_to_restore`的变量，它只包括`exclude`参数指定的子树之外的所有变量（在这个例子中，不包括'resnet50/fc'部分）[^1]。

2. 创建一个`saver`，它是用于保存和恢复TensorFlow图中变量的工具。

3. 使用`with`语句创建一个会话并初始化所有全局变量。

4. 调用`saver.restore()`来恢复之前保存的模型参数到当前会话。

然而，在TensorFlow 2.x中，`tf.contrib`模块已被弃用，取而代之的是更现代的方法。如果你想在TensorFlow 2.x中获取变量，可以使用`tf.train.Checkpoint`类，结合`tf.Variable`来实现变量的保存与恢复[^2]。例如：

# 获取所有变量
variables = tf.Variable(tf.global_variables())

# 或者仅获取特定名称的变量
specific_variables = tf.Variable([var for var in tf.global_variables() if "my_variable_name" in var.name])

# 使用tf.train.Checkpoint保存和恢复
checkpoint = tf.train.Checkpoint(variables=variables)
checkpoint.restore(param_path).assert_consumed()