Tensorflow 调用Keras.backend.clear_session（）后无法导入预训练模型

我试图在keras的循环中（使用tensorflow后端）在每次迭代中使用新的数据样本来训练模型。由于在一些迭代之后出现GPU内存错误，我附加了K.clear_session（）。但是，在一次迭代后，代码抛出错误：

'Cannot interpret feed_dict key as Tensor: ' + e.args[0])
TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor("Placeholder:0", shape=(7, 7, 3, 64), dtype=float32) is not an element of this graph.

如果在结束时删除K.clear_session（），则不会出现错误。有人能解释为什么这个错误出现在第二次迭代中吗

我尝试了其他方法（用于gpu发布），但没有一种有效，这是我最后的选择。但这会带来错误。我粘贴了一个可能产生错误的示例代码。请注意，这不是实际的代码，我只是举了一个例子来重现我在实际代码中遇到的错误

from __future__ import absolute_import, division, print_function, unicode_literals
import numpy as np
import tensorflow as tf
import random
seed_value= 0
import os
import keras
os.environ['PYTHONHASHSEED']=str(seed_value)
random.seed(0)
np.random.seed(0)
from keras import backend as K
from keras.datasets import cifar10

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
for i in range(3):
    base_model = tf.keras.applications.resnet50.ResNet50(weights='imagenet', input_shape=(32, 32, 3),
                                               include_top=False)
    x = base_model.output
    x = tf.keras.layers.GlobalAveragePooling2D()(x)
    output = tf.keras.layers.Dense(10, activation='softmax',
                               kernel_initializer=tf.keras.initializers.RandomNormal(seed=4))(x)
    model = tf.keras.Model(inputs=base_model.input, outputs=output)
    y_train = keras.utils.to_categorical(y_train, 10)
    y_test = keras.utils.to_categorical(y_test, 10)

    for layer in base_model.layers:
        layer.trainable = False
    optimizer = tf.train.AdamOptimizer(learning_rate=0.0001)
    model.compile(optimizer=optimizer, loss='categorical_crossentropy',
              metrics=['accuracy'])
    model.fit(x_train,y_train,batch_size=1024,epochs=1,verbose=1)
    K.clear_session()

回溯（最近一次呼叫最后一次）：
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\client\session.py”，第1092行，正在运行
子进纸，允许张量=真，允许操作=假）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\framework\ops.py”，第3490行，在as\U图形\U元素中
返回self.\u as\u graph\u element\u locked（对象、允许张量、允许操作）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\framework\ops.py”，第3569行，位于“as\u graph\u element\u locked”中
raise VALUERROR（“张量%s不是此图的元素。”%obj）
ValueError:Tensor Tensor（“占位符：0”，shape=（7,7,3,64），dtype=float32）不是此图形的元素。
在处理上述异常期间，发生了另一个异常：
回溯（最近一次呼叫最后一次）：
文件“E:/code/experiments AL/breakhis/40X-M-B/code AL/error_debug.py”，第22行，在
include_top=False）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\keras\applications\\ uuuuuu init\uuuuuu.py”，第70行，在包装器中
返回基地乐趣（*args，**kwargs）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\keras\applications\resnet50.py”，第32行，resnet50
返回resnet50.resnet50（*args，**kwargs）
resnet50中的文件“C:\Users\sirshad\AppData\Local\Programs\Python 36\lib\site packages\keras\u applications\resnet50.py”，第291行
模型。加载权重（权重路径）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\keras\engine\network.py”，第1544行，在load\u weights中
保存。从组（f，self.layers）加载权重
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\keras\engine\saving.py”，第806行，从hdf5组加载权重
K.批量设置值（权重值元组）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\keras\backend.py”，第2784行，在批处理设置值中
获取会话（）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\client\session.py”，第929行，正在运行
运行_元数据_ptr）
文件“C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site packages\tensorflow\Python\client\session.py”，第1095行，正在运行
'无法将提要索引键解释为张量：'+e.args[0]）
TypeError:无法将feed_dict键解释为张量：张量张量（“占位符：0”，shape=（7,7,3,64），dtype=float32）不是此图的元素。
进程已完成，退出代码为1

通过将imagenet预先训练的模型保存到磁盘，然后在调用tf.keras.backend.clear\u session（）后每次在循环中加载，我能够克服这个问题。因此，将基础模型保存到文件中，然后加载就可以了。但我仍然感到困惑，为什么它以前不适用于

基本模型=tf.keras.applications.resnet50.resnet50

---

通过将imagenet预先训练的模型保存到磁盘，然后在调用tf.keras.backend.clear_session（）后每次在循环中加载，我能够克服这个问题。因此，将基础模型保存到文件中，然后加载就可以了。但我仍然感到困惑，为什么它以前不适用于

基本模型=tf.keras.applications.resnet50.resnet50

---

你能用“这个精确的”代码重现这个问题吗？嗨，丹尼尔，这就是我用另一个代码得到的精确问题。你能从上面给出的代码中重现错误吗？你能建议解决这个问题的方法吗？你能用“这个确切的”代码重现这个问题吗？嗨，丹尼尔，这就是我用另一个代码得到的确切问题。你能从上面给出的代码中重现错误吗？你能建议一些解决方法吗？

Traceback (most recent call last):
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\client\session.py", line 1092, in _run
    subfeed, allow_tensor=True, allow_operation=False)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\framework\ops.py", line 3490, in as_graph_element
    return self._as_graph_element_locked(obj, allow_tensor, allow_operation)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\framework\ops.py", line 3569, in _as_graph_element_locked
    raise ValueError("Tensor %s is not an element of this graph." % obj)
ValueError: Tensor Tensor("Placeholder:0", shape=(7, 7, 3, 64), dtype=float32) is not an element of this graph.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "E:/codes/experiments-AL/breakhis/40X-M-B/codes-AL/error_debug.py", line 22, in <module>
    include_top=False)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\applications\__init__.py", line 70, in wrapper
    return base_fun(*args, **kwargs)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\applications\resnet50.py", line 32, in ResNet50
    return resnet50.ResNet50(*args, **kwargs)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\keras_applications\resnet50.py", line 291, in ResNet50
    model.load_weights(weights_path)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\engine\network.py", line 1544, in load_weights
    saving.load_weights_from_hdf5_group(f, self.layers)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\engine\saving.py", line 806, in load_weights_from_hdf5_group
    K.batch_set_value(weight_value_tuples)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\backend.py", line 2784, in batch_set_value
    get_session().run(assign_ops, feed_dict=feed_dict)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\client\session.py", line 929, in run
    run_metadata_ptr)
  File "C:\Users\sirshad\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\client\session.py", line 1095, in _run
    'Cannot interpret feed_dict key as Tensor: ' + e.args[0])
TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor("Placeholder:0", shape=(7, 7, 3, 64), dtype=float32) is not an element of this graph.

Process finished with exit code 1