Question

每当我尝试使用tf.reset_default_graph()时，我都会收到此错误：IndexError: list index out of range或``。我应该在哪部分代码中使用它？我什么时候应该使用它？

编辑：

我更新了代码，但错误仍然存在。

def evaluate():
    with tf.name_scope("loss"):
        global x # x is a tf.placeholder()
        xentropy = tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=neural_network(x))
        loss = tf.reduce_mean(xentropy, name="loss")

    with tf.name_scope("train"):
        optimizer = tf.train.AdamOptimizer()
        training_op = optimizer.minimize(loss)

    with tf.name_scope("exec"):
        with tf.Session() as sess:
            for i in range(1, 2):
                sess.run(tf.global_variables_initializer())
                sess.run(training_op, feed_dict={x: np.array(train_data).reshape([-1, 1]), y: label})
                print "Training " + str(i)
                saver = tf.train.Saver()
                saver.save(sess, "saved_models/testing")
                print "Model Saved."


def predict():
    with tf.name_scope("predict"):
        tf.reset_default_graph()
        with tf.Session() as sess:
            saver = tf.train.import_meta_graph("saved_models/testing.meta")
            saver.restore(sess, "saved_models/testing")
            output_ = tf.get_default_graph().get_tensor_by_name('output_layer:0')
            print sess.run(output_, feed_dict={x: np.array([12003]).reshape([-1, 1])})


def main():
    print "Starting Program..."
    evaluate()
    writer = tf.summary.FileWriter("mygraph/logs", tf.get_default_graph())
    predict()

如果我从更新后的代码中删除了tf.reset_default_graph（），我会收到此错误：ValueError: cannot add op with name hidden_layer1/kernel/Adam as that name is already used

根据我目前的理解，tf.reset_default_graph（）会删除所有图表，因此我避免了上面提到的错误（ValueError: cannot add op with name hidden_layer1/kernel/Adam as that name is already used）

Answer 1

这可能就是你使用它的方式：

import tensorflow as tf
a = tf.constant(1)
with tf.Session() as sess:
    tf.reset_default_graph()

您收到错误是因为您在会话中使用它。来自tf.reset_default_graph()文档：

在tf.Session或tf.InteractiveSession时调用此函数 active将导致未定义的行为。使用任何以前创建的调用此函数后，tf.Operation或tf.Tensor对象将会导致未定义的行为

当我在jupyter笔记本中进行实验时，

tf.reset_default_graph()在测试阶段可能会有所帮助（至少对我而言）。但是，我从来没有在生产中使用它，也没有看到它会如何有用。

以下是可能在笔记本中的示例：

import tensorflow as tf
# create some graph
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(...)

现在我不再需要这些东西，但是如果我创建另一个图形并在tensorboard中可视化，我会看到旧节点和新节点。为了解决这个问题，我可以重启内核并只运行下一个单元。但是，我可以这样做：

tf.reset_default_graph()
# create a new graph
with tf.Session() as sess:
    print sess.run(...)

OP添加他的代码后编辑：

with tf.name_scope("predict"):
    tf.reset_default_graph()

这是近似发生的事情。您的代码失败，因为tf.name_scope已经向图表中添加了某些内容。当你在“向图表中添加内容”时，你会告诉TF完全删除图表，但它不能，因为它正忙于添加内容。

Answer 2

出于某种原因，我需要构建一个新的图表，我已经测试了，最终有效！非常感谢Salvador Dali的回答： - ）

import tensorflow as tf
from my_models import Classifier

for i in range(10):
    tf.reset_default_graph()
    # build the graph
    global_step = tf.get_variable('global_step', [], initializer=tf.constant_initializer(0), trainable=False)
    classifier = Classifier(global_step)
    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print("do sth here.")

Answer 3

简单地说，用于清除以前使用sess.run（）创建的占位符

Answer 4

随着TensorFlow 2.0的发布，现在最好使用tf.compat.v1.reset_default_graph()以避免收到警告。链接到文档：https://www.tensorflow.org/api_docs/python/tf/compat/v1/reset_default_graph

如何使用tf.reset_default_graph（）

4 个答案: