顺序的Tensorflow训练模型会导致不同的结果

Question

我说的是MODEL2（具有一组特定的，不变的参数）。我可以重复训练该模型，并且每次都能获得与预期相同的结果。

然后我实施了一些测试，这些测试按顺序训练了模型。

在运行MODEL1以及之后运行MODEL2时。与单独运行它相比，MODEL2具有不同的结果（上述第一种情况）。为什么？

每次尝试训练新模型时，我都尝试从头开始初始化tensorflow，但这似乎无济于事。 tf.compat.v1.reset_default_graph()也无济于事。

有人有主意吗？

Answer 1

尝试在单独的图形中创建模型。如果在同一过程中运行多个tf模型和会话，则以下模式很有用。

mygraph = tf.Graph()
with mygraph.as_default():
    # create or saver.restore tf variables here

session = tf.Session(graph=mygraph)

with session.as_default():
    with mygraph.as_default():
        session.run(tf.global_variables_initializer())
        # train tf here