Tensorflow 如何将两个模型恢复到一个会话中，然后分别保存它们？

我有两个模型，它们来自同一个网络，但具有不同的顶级变量范围名称，因此两个变量集的名称完全不同，例如，对于一个w变量，一个是j2e/training/w，另一个是e2j/training/w。 我想将它们加载到一个会话中，并进行一些交互训练，希望分别保存这两个模型，有点像双重学习。。。 我该怎么办？我可以这样做吗

    .........building graph...........
    saver1 = tf.train.Saver(var_list1)
    saver2 = tf.train.Saver(var_list2)
    saver1.restore(sess, model1)
    saver2.restore(sess, model2)

最后：

    saver1.save(sess, path1)
    saver2.save(sess, path2)

如果是这样，两个模型之间的交互将如何恢复？哪个模型可以保存这部分图形？我怎样才能得到var_列表1和var_列表2

---

非常感谢。

好的，试试这样的方法：

def graph_e2j(var_list1):
    e2j = tf.Graph()
    saver1 = tf.train.Saver(var_list1)
    with e2j.as_default() as e2j:
            saver1.restore(sess, model1)
    return g.as_graph_def()

现在对另一个模型做一个类似的函数

---

对于您提到的保存部分，您说得对，因为这些保存者指向不同的变量集

Con您提供了更多信息吗？我想知道你想做什么，为什么。这是一个机器翻译问题。最初的两个模型分别在两个方向上，例如j2e和e2j。它们来自同一个网络，只是变量范围不同。为了尝试双重学习，我需要将这两个模型加载到一个会话中，学习后我也希望像以前一样分别保存它们…但它们应该在一个会话中的一个图形中。。。我已经试过了。是啊~~我的思维方式……谢谢。。。