Python Tensorflow负荷图进入特定范围

我正在使用

网络

类中的以下方法将一个经过预训练的网络加载到Tensorflow中（因此调用self.xyz）。首先，调用

define\u network（）

，然后初始化其他变量和优化器，然后调用

load\u model（）

然而，尽管使用了

tf.variable\u scope（self.name）

，图形中的变量还是被加载到变量的通用空间中。这是有问题的，因为我有两个这个类的实例，每个实例都加载相同的网络，我想将输出划分为不同的作用域

如何将变量加载到特定范围

请随时更正我代码中的任何错误

  def load_model(self):
    with tf.variable_scope(self.name) as scope:
      self.saver.restore(self.sess, self.model_path)
      print("Loaded model from {}".format(self.model_path))

  def define_model(self):   

    with tf.variable_scope(self.name) as scope:
      self.saver = tf.train.import_meta_graph(self.model_path + '.meta')
      print("Loaded model from {}".format(self.model_path + '.meta'))
      graph = tf.get_default_graph()

      self.inputs = []
      inp_names = ['i_hand1:0', 'i_hand2:0', 'i_flop1:0', 'i_flop2:0', 'i_flop3:0',
                   'i_turn:0', 'i_river:0', 'i_other:0', 'i_allowed_mod:0', 'keras_learning_phase:0']
      for inp in inp_names:
        self.inputs.append(tf.get_default_graph().get_tensor_by_name(inp))

      self.outputs = tf.get_default_graph().get_tensor_by_name("Tanh:0") 
      self.add_output_conversions()

      all_vars = tf.trainable_variables()
      for var in all_vars:
        self.var[var.name] = var

---

我认为你的问题可以通过加入一个论点来解决

self.saver = tf.train.import_meta_graph(self.model_path + '.meta', 'import_scope'=self.name)

---

这是我尝试过的，但没有成功。它失败了，出现了一个错误。我认为这个论点与图形是如何保存的有关，而不是与新范围应该是什么有关。