Python TFLearn:依次加载2个不同保存的模型时出错

我有两个不同的神经网络模型，使用TFLearn进行训练和保存。当我运行每个脚本时，保存的模型被正确加载。我需要一个系统，其中，第二个模型应该在第一个模型的输出之后调用。 但是，当我在加载第一个模型后尝试加载第二个模型时，会出现以下错误：

NotFoundError（回溯见上文）：在检查点中找不到键val_loss_2 [[Node:save_6/RestoreV2_42=RestoreV2[dtypes=[DT_FLOAT]，[u device=“/job:localhost/replica:0/task:0/cpu:0”]（[u arg_save_6/Const_0_0，save_6/RestoreV2_42/tensor_name，save_6/RestoreV2_42/shape_和_切片）]]

如果我注释掉第一个模型的加载，或者如果我单独运行这两个脚本，那么第二个模型将正确加载。知道为什么会发生这种错误吗

代码结构类似于

from second_model_file import check_second_model

def run_first_model(input):
    features = convert_to_features(input)
    model = tflearn.DNN(get_model())
    model.load("model1_path/model1")   # relative path
    pred = model.predict(features)
    ...
    if pred == certain_value:
       check_second_model()

second\u model\u file.py

类似：

def check_second_model():
    input_var = get_input_var()
    model2 = tflearn.DNN(regression_model())
    model2.load("model2_path/model2")   # relative path  
    pred = model2.predict(input_var)
    #other stuff  ......     

---

模型保存在不同的文件夹中，因此每个模型都有自己的

检查点

文件

好吧，我找到了解决方案。这是隐藏在讨论这个问题。 在构建第二个网络和模型之前，我使用了

tf.reset\u default\u graph（）。希望这对其他人也有帮助

新代码：

import tensorflow as tf

def check_second_model():
    input_var = get_input_var()
    tf.reset_default_graph()
    model2 = tflearn.DNN(regression_model())
    model2.load("model2_path/model2")   # relative path  
    pred = model2.predict(input_var)

虽然我直观地理解了这个解决方案的工作原理，但如果有人能更好地解释为什么它设计成这样，我会很高兴。
好吧，我找到了解决方案。这是隐藏在讨论这个问题。
在构建第二个网络和模型之前，我使用了
tf.reset\u default\u graph（）。希望这对其他人也有帮助

新代码：

import tensorflow as tf

def check_second_model():
    input_var = get_input_var()
    tf.reset_default_graph()
    model2 = tflearn.DNN(regression_model())
    model2.load("model2_path/model2")   # relative path  
    pred = model2.predict(input_var)

虽然我直观地理解了这个解决方案的工作原理，但如果有人能更好地解释为什么它是这样设计的，我会很高兴。
什么是
回归模型（）
？什么是
回归模型（）
？