在TensorFlow中使用多个模型

我有一个模型可以检测多达10个数字，我使用相同的图形架构来检测4个字母。这意味着第一个模型有10个类，第二个模型有4个类。不幸的是，我在训练时使用了相同的变量名。 现在，我正在尝试制作一个代码，使用这两个模型来检测代码中给出的数字和字母

  graph_1 = tf.Graph() 
  with graph_1.as_default() as g_1:
    ...graph_1 content.....

  graph_2 = tf.Graph() 
  with graph_2.as_default() as g_2:
    ...graph_2 content.....

  sess_1 = tf.InteractiveSession(graph = g_1)
  sess_1.as_default()
  ....restoring model....

  sess_2 = tf.InteractiveSession(graph = g_2)
  sess_2.as_default()
  ....restoring model....
  .
  .
  .
  sess_1.run(prob, feed_dict)        
  sess_2.run(prob, feed_dict)      

但现在，我知道这不是正确的方法。如果有人知道，请帮助我安排这个代码或分享一些有用的链接。 提前感谢。

这里有一些建议：1）为不同的模型使用不同的变量范围。2） 您可能需要重新组织文件。具体来说，创建一个train.py文件来训练模型。3） 然后使用单个脚本调用每个模型并运行它。根据需要合并这些结果4）检查此链接以获得类似的答案：