为什么我不能恢复这个模型？

Question

我目前遇到问题恢复此模型进行预测。

代码：

def neural_network(data): 
    with tf.name_scope("network"): 
     layer1 = tf.layers.dense(data, 1000, activation=tf.nn.relu, name="hidden_layer1") 
     layer2 = tf.layers.dense(layer1, 1000, activation=tf.nn.relu, name="hidden_layer2") 
     output = tf.layers.dense(layer2, 2, name="output_layer") 

     return output 


def evaluate(): 
    with tf.name_scope("loss"): 
     global x 
     xentropy = tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=neural_network(x)) 
     loss = tf.reduce_mean(xentropy, name="loss") 

    with tf.name_scope("train"): 
     optimizer = tf.train.AdamOptimizer() 
     training_op = optimizer.minimize(loss) 

    with tf.name_scope("exec"): 
     with tf.Session() as sess: 
      for i in range(1, 10): 
       sess.run(tf.global_variables_initializer()) 
       sess.run(training_op, feed_dict={x: np.array(train_data).reshape([-1, 1]), y: label}) 
       print "Training " + str(i) 
       saver = tf.train.Saver() 
       saver.save(sess, "saved_models/testing") 
       print "Model Saved." 


def predict(): 
    with tf.name_scope("predict"): 
     output = neural_network(x) 
     output = tf.nn.softmax(output) 

     with tf.Session() as sess: 
      saver = tf.train.import_meta_graph("saved_models/testing.meta") 
      # saver = tf.train.Saver() 
      saver.restore(sess, "saved_models/testing") 
      print sess.run(output, feed_dict={x: np.array([12003]).reshape([-1, 1])}) 

我一直在使用tf.train.Saver()恢复尝试，但也给出了同样的错误。

The error given is ValueError: Variable hidden_layer1/kernel already exists, disallowed. Did you mean to set reuse=True in VarScope? Originally defined at: 

我已经尝试设置为reuse=True但tf.layers.dense()它导致我无法训练图（给出了同样的ValueError异常同上，但要求设置reuse=None）。

我猜测它与会话中仍然存在的图形有关，所以当我尝试恢复它时，它会检测到重复的图形。不过，我认为这不应该发生，因为会议已经结束。

链接全部代码：gistlink

Answer 1

我认为你是加载在同一图表中的变量。为了测试，请尝试创建一个新图并加载它。做这样的事情：

loaded_graph = tf.Graph() 
with tf.Session(graph=loaded_graph) as sess: 
    # Load the graph with the trained states