Machine learning 为什么可以'；我不能恢复这个模型吗？

我目前无法恢复此模型以进行预测

代码：

def神经网络（数据）：
使用tf.name_范围（“网络”）：
layer1=tf.layers.dense（数据，1000，激活=tf.nn.relu，name=“hidden_layer1”）
layer2=tf.layers.dense（layer1，1000，activation=tf.nn.relu，name=“hidden_layer2”）
输出=tf.layers.dense（第2层，第2层，name=“输出层”）
返回输出
def evaluate（）：
具有tf.name_范围（“损失”）：
全球x
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（1,10）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”）：
输出=神经网络（x）
输出=tf.nn.softmax（输出）
使用tf.Session（）作为sess：
saver=tf.train.import\u元图（“saved\u models/testing.meta”）
#saver=tf.train.saver（）
saver.restore（sess，“已保存的模型/测试”）
打印sess.run（输出，提要={x:np.array（[12003]）。重塑（[-1，1]））

我曾尝试使用

tf.train.Saver（）

进行恢复，但也出现了相同的错误

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

我已尝试为

tf.layers.dense（）

设置

reuse=True

，但这导致我无法训练图形（给出与上述相同的值错误，但要求设置

reuse=None

）

我猜这与会话中仍然存在的图形有关，因此当我尝试恢复它时，它会检测到一个重复的图形。然而，我认为这不应该发生，因为会议已经结束

---

链接到整个代码：

我认为您正在同一个图形中加载变量。对于测试，请尝试创建一个新图形并加载它。这样做：

loaded_graph=tf.graph（）
将tf.Session（graph=loaded_graph）作为sess：
#用经过训练的状态加载图形

你是说像这样修改我的predict（）吗？

def predict（）：使用tf.name\u scope（“predict”）：output=neural\u network（x）output=tf.nn.softmax（output）loaded\u graph=tf.graph（），tf.Session（loaded\u graph）作为sess:saver=tf.train.import\u元图（“saved\u models/testing.meta”）#saver=tf.train.saver（）saver.restore（sess，“saved_models/testing”）打印sess.run（output，feed_dict={x:np.array（[12003]）。重塑（[-1，1]）}

不是你的计算机，而是你的内核我对tensorflow还是很陌生。你的意思是tensorflow内核，对吗？如果有帮助的话，我还在文章中添加了整个代码的链接。