使用不同的模型进行培训和测试

Question

我想运行一个不同的tensorflow seq2seq模型进行训练和测试。

我尝试如下使用variable_scope：

with tf.variable_scope("train_test", reuse=True):
    single_cell = tf.nn.rnn_cell.LSTMCell(memory_dim)
    if num_layers > 1:
        cell = tf.nn.rnn_cell.MultiRNNCell(
            [single_cell] * num_layers)
    else:
        cell = single_cell

# Sequence to sequence model
with tf.variable_scope("train_test"):
    dec_outputs, dec_memory = tf.contrib.legacy_seq2seq.embedding_attention_seq2seq(
        enc_inp, dec_inp, cell, len(en_chars),
        len(hi_chars), embedding_dim)


with tf.variable_scope("train_test",reuse=True):
    dec_outputs1, dec_memory1 = tf.contrib.legacy_seq2seq.embedding_attention_seq2seq(
            enc_inp, dec_inp, cell, len(en_chars),
            len(hi_chars), embedding_dim, feed_previous=True)

但这会导致单元格出现以下错误：

NotImplementedError: __deepcopy__() is only available when eager execution is enabled.

我缺少基本的东西吗？
关于如何在不急于执行的情况下进行构想？
任何帮助表示赞赏。