Python 跨类的张量流命名空间

此处提供了该问题的要点：

本质上，我正在尝试生成一个通用类，它可以用作我的张量流项目的样板。提供的要点是我能想到的最微不足道的例子。我知道这与名称空间有关，但不确定如何解决此问题

我有一个类

Test

，具有以下成员函数：

\uuuuu初始（自我、inpShape、outShape、层、激活）

saveModel（self，sess）

restoreModel（self、sess、restorePoint）

fit（self，X，y，Niter=101，restorePoint=None）

predict（self，X，restorePoint=None）

函数本身很简单，可以在提供的要点中查找。现在，给定这个类，我们可以尝试测试它，看看它是如何工作的：

X = np.random.random((10000, 2))
y = (2*X[:, 0] + 3*X[:, 1]).reshape(-1, 1)

inpShape    = (None, 2)
outShape    = (None, 1)
layers      = [7, 1]
activations = [tf.sigmoid, None]

t = Test(inpShape, outShape, layers, activations)
t.fit(X, y, 10000)
yHat = t.predict(X, restorePoint=t.restorePoints[-1])

plt.plot(yHat, y, '.', label='original')

这一切都很好

现在我们要创建同一类的另一个实例，并从这里恢复保存的模型。就是在这里，所有的地狱都开始了。让我们更新以上内容以合并：

X = np.random.random((10000, 2))
y = (2*X[:, 0] + 3*X[:, 1]).reshape(-1, 1)

inpShape    = (None, 2)
outShape    = (None, 1)
layers      = [7, 1]
activations = [tf.sigmoid, None]

t = Test(inpShape, outShape, layers, activations)
t.fit(X, y, 10000)
yHat = t.predict(X, restorePoint=t.restorePoints[-1])

plt.plot(yHat, y, '.', label='original')

if True: # In the gist, turn this to True for seeing the problem
    t1 = Test(inpShape, outShape, layers, activations)
    yHat1 = t1.predict(X, restorePoint=t.restorePoints[-1])
    plt.plot(yHat1, y, '.', label='copied')

---

事实证明，我们不能再这样做了。它会把一切都搞糟，在旧的图形旁边放一个全新的图形。现在是否可以创建复制旧图形的类的新实例，而不创建旧图形的全新实例？

您的模型还原不正确，我已经回答了一个类似的问题：谢谢Vijay！我将尝试一下TF名称空间与python的不同，您需要使用一些名称空间功能。