此处提供了问题的要点：https://gist.github.com/sankhaMukherjee/97c212072385ee36ebd8bfab9a801794
基本上，我正在尝试生成一个通用类，可以用作我的张量流项目的样板。提供的要点是我能够提出的最微不足道的例子。我知道这与名称空间有关，但我不确定如何解决这个问题。
我有一个类Test，其中包含以下成员函数：
__init__(self, inpShape, outShape, layers, activations) saveModel(self, sess) restoreModel(self, sess, restorePoint) fit(self, X, y, Niter=101, restorePoint=None) predict(self, X, restorePoint=None) 这些功能本身很简单，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，看看它是如何做的：
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个类的另一个实例，并恢复从此处保存的模型。所有的地狱都在这里松动。让我们更新以上内容：
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')