Python 如何创建嵌套的tensorflow结构？

我无法使用Tensorflow后端创建嵌套模式。我想要实现的是在一个会话中使用两个模型。我训练了一个模型，想在SSD COCO对象检测模型中使用它。顺便说一下，我在图形和会话之外分配模型（以便加载模型一次）。每当我尝试运行代码时，都会返回如下错误：

ValueError:张量张量（“激活_76/Softmax:0”，形状=（？，4）， dtype=float32）不是此图的元素

我搜索其他堆栈溢出页面，但我无法解决我的问题。 有人能帮我理解问题和解决方法吗

后来我在网上搜索，找到了这个网站：

然后我尝试了“model.\u make\u predict\u function（）”这一行，但它对我不起作用，这次它返回了一个：

ValueError:Tensor（“占位符：0”，dtype=float32）必须来自 与张量相同的图形（“总计：0”，形状=（），数据类型=资源）

---

你有没有试过把

model=tf.keras.models.load\u model（“CNN-3”）

放在带有检测图的

中。as\u default（）：

上下文？我试过了，就像你说的那样，它对我不起作用。我试图用

tf.Session（graph=detection\u graph）作为sess:

放在后面，在While循环之前，它对我有效。我真的很感谢你的回答@frankegoesdown，因为我几乎有一天都在试图解决这个问题。你有没有试过把

model=tf.keras.models.load\u model（“CNN-3”）

放在

的检测图中。as\u default（）。我试图用
tf.Session（graph=detection\u graph）作为sess:
放在后面，在While循环之前，它对我有效。我真的很感激你的回答@frankegoesdown，因为我几乎有一天在试图解决这个问题。
model = tf.keras.models.load_model("CNN-3")

with detection_graph.as_default():
  with tf.Session(graph=detection_graph) as sess:
    while True:


      ret, image_np = cap.read()

      if W is None or H is None:
          (H, W)= image_np.shape[:2]


      image_np_expanded = np.expand_dims(image_np, axis=0)
      image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')

      boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
      scores = detection_graph.get_tensor_by_name('detection_scores:0')

      classes = detection_graph.get_tensor_by_name('detection_classes:0')
      num_detections = \
              detection_graph.get_tensor_by_name('num_detections:0')



      (boxes, scores, classes, num_detections) = sess.run(
          [boxes, scores, classes, num_detections],
          feed_dict={image_tensor: image_np_expanded})

      boxes = np.squeeze(boxes)
      scores = np.squeeze(scores)
      classes = np.squeeze(classes)

      indices = np.argwhere(classes == 1)
      boxes = np.squeeze(boxes[indices])

      scores = np.squeeze(scores[indices])
      classes = np.squeeze(classes[indices])

      rects = []
      boxes = scale(boxes, 0, 1)

      my_prediction = model.predict("Some images")

      """ ^ these codes return an error """