Python Tensorflow：如何赋予变量作用域

我必须先训练一个网络，然后再训练它。我使用单独文件中的代码和它们自己的会话来实现这一点，但是第一个会话中的变量仍然会被带入并导致问题（因为我在一个“主”文件中运行这两个文件）

我可以通过运行我的pretrain文件来解决这个问题，该文件保存了经过训练的层，然后运行我的训练文件来加载保存的层。但如果能够一步完成这两件事，那就太好了。如何“断开链接”并避免不需要的变量具有全局范围

“主”文件的外观如下所示：

from util import pretrain_nn
from NN import Network

shape = [...]
layer_save_file = ''
data = get_data()

# Trains and saves layers
pretrain_nn(shape, data, layer_save_file) 

# If I were to print all variables (using tf.all_variables) 
# variables only used in pretrain_nn show up 
# (the printing would be done inside `Network`)
NN = Network(shape, pretrain=True, layer_save_file) 

NN.train(data)

# Doesn't work because apparently some variables haven't been initialized.
NN.save()

---

变量的生存期隐式地绑定到TensorFlow图，默认情况下，两个计算都将添加到同一个（全局）图中。您可以使用

和tf.Graph（）。作为默认值（）：

围绕每个子计算的块来适当地确定它们的范围：

with tf.Graph().as_default():
  # Trains and saves layers
  pretrain_nn(shape, data, layer_save_file) 

with tf.Graph().as_default():
  NN = Network(shape, pretrain=True, layer_save_file) 

  NN.train(data)

  NN.save()

---

如果没有代码片段，我对“变量在另一个脚本中显示”的最初反应是假设您正在从pretrain import*执行

。添加了示例代码，尽管我不知道您想表达什么观点<代码>*

将导入所有模块，它与函数中的python变量无关。正如我所说，这是一个盲目的猜测，没有看到代码。我想说的一点是，如果“GLOBAL\u COUNTER”是util中的一个变量，那么来自util import的

将把“GLOBAL\u COUNTER”导入main\u file.py。不过，这显然不适用于这里。感谢您提供的示例。是否可以通过简单地重置图形来进行范围界定？在tensorflow API中有一个函数
tf.Graph（）。\uuu init\uuuu（）
，它似乎可以做到这一点，但当我尝试使用时，仍然会出现有关取消选中它的错误。正在使用的值。（这样做的好处是我不必总是费心添加上下文管理器，它将隐藏在我的
pretrain\u nn
函数和
网络
类后面）