Machine learning 如何使用tf.reset\u default\u graph（）

每当我尝试使用

tf.reset\u default\u graph（）

时，都会出现以下错误：

索引器：列表索引超出范围

或```。我应该在代码的哪个部分使用这个？我应该什么时候用这个

编辑：

我更新了代码，但错误仍然发生

def evaluate（）：
具有tf.name_范围（“损失”）：
全局x#x是一个tf.placeholder（）
xentropy=tf.nn.softmax_交叉_熵_与_logits（标签=y，logits=神经网络（x））
损失=tf.减少平均值（xentropy，name=“损失”）
具有tf.name_范围（“列车”）：
优化器=tf.train.AdamOptimizer（）
培训=优化器。最小化（损失）
使用tf.name_范围（“exec”）：
使用tf.Session（）作为sess：
对于范围（1,2）内的i：
sess.run（tf.global\u variables\u initializer（））
run（training_op，feed_dict={x:np.array（train_数据）。重塑（[-1，1]），y:label}）
打印“培训”+str（一）
saver=tf.train.saver（）
保存（sess，“保存的模型/测试”）
打印“已保存模型”
def predict（）：
使用tf.name_范围（“预测”）：
tf.reset_default_graph（）
使用tf.Session（）作为sess：
saver=tf.train.import\u元图（“saved\u models/testing.meta”）
saver.restore（sess，“已保存的模型/测试”）
output=tf.get\u default\u graph（）.get\u tensor\u by\u name（'output\u layer:0'））
打印sess.run（输出，提要={x:np.array（[12003]）。重塑（[-1，1]））
def main（）：
打印“启动程序…”
评估（）
writer=tf.summary.FileWriter（“mygraph/logs”，tf.get\u default\u graph（））
预测

如果从更新的代码中删除tf.reset\u default\u graph（），则会出现以下错误：

ValueError:无法添加名为hidden\u layer1/kernel/Adam的op，因为该名称已被使用

---

根据我目前的理解，tf.reset\u default\u graph（）会删除所有图形，因此我避免了上面提到的错误（

ValueError:无法添加名为hidden\u layer1/kernel/Adam的op，因为该名称已被使用）

）

这可能就是您使用它的方式：

import tensorflow as tf
a = tf.constant(1)
with tf.Session() as sess:
    tf.reset_default_graph()

由于在会话中使用错误，因此会出现错误。从

tf.reset\u default\u graph（）

文档中：

在启动tf.Session或tf.InteractiveSession时调用此函数 活动将导致未定义的行为。使用以前创建的任何 调用此函数后，tf.Operation或tf.Tensor对象将 导致未定义的行为

---

tf.reset\u default\u graph（）

在我在jupyter笔记本中进行实验的测试阶段可能会有所帮助（至少对我来说）。然而，我从未在生产中使用过它，也不知道它在那里会有什么帮助

下面是一个可能在笔记本中的示例：

import tensorflow as tf
# create some graph
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(...)

现在我不再需要这些东西了，但是如果我创建另一个图形并在tensorboard中可视化它，我将看到旧节点和新节点。为了解决这个问题，我可以重新启动内核并只运行下一个单元。但是，我只能做到：

tf.reset_default_graph()
# create a new graph
with tf.Session() as sess:
    print sess.run(...)

OP添加代码后编辑：

with tf.name_scope("predict"):
    tf.reset_default_graph()

---

下面是大概发生的情况。您的代码失败，因为

tf.name\u scope

已将某些内容添加到图形中。在“向图形添加内容”的过程中，您告诉TF完全删除图形，但它无法删除，因为它正在忙于添加内容。

出于某种原因，我需要多次构建新图形，我刚刚测试过，最终效果良好！非常感谢萨尔瓦多·达利的回答：-）

简言之，

---

用于清除在TensorFlow 2.0发布后使用sess.run（）创建的先前占位符，现在最好使用

tf.compat.v1.reset\u default\u graph（）

，以避免收到警告。链接到文档：

因此基本上

tf.reset\u default\u graph（）

只用于测试，而不用于整天运行的应用程序？@CodingNoobie除了测试和实验之外，我从未出于任何其他原因使用过它。这并不意味着它不能被使用，我只是从来没有看到使用它的意义。我尝试将它放置在正在运行的会话之外，但我仍然遇到同样的错误。我已经用一些代码更新了帖子。希望有帮助。@CodingNoobie用tf.name\u scope（“predict”）：Nice将重置图放在

前面！错误信息消失了。为什么呢？为什么把它移到外面可以解决问题？请使用评论部分，如果你不能，请发布正确的答案！
import tensorflow as tf
from my_models import Classifier

for i in range(10):
    tf.reset_default_graph()
    # build the graph
    global_step = tf.get_variable('global_step', [], initializer=tf.constant_initializer(0), trainable=False)
    classifier = Classifier(global_step)
    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print("do sth here.")