我的问题是使用Mobilenet SSD进行目标检测，然后使用在Keras中训练的CNN分类器读取边界框中的数据。每当获得一个边界框后，就必须使用CNN分类器进行评估。在查阅了Git和Stack上的多个问题后，我开始编写自己的代码。然而，在使用tf.reset_default_graph()重置TF图并从Keras加载.h5文件后，抛出了一个错误，如下所示：

"ValueError:  Tensor("loss/dense_6_loss/Const:0", shape=(),  dtype=float32) must be from the same graph as  Tensor("truediv_19:0", shape=(?, 36),  dtype=float32)."

我正在使用Keras和Tensorflow作为后端进行实例检测和图像检索任务。

显示错误：ValueError: tensor a must be from the same graph as tensor b.

代码如下：

Merge.pyfrom keras import backend as Kg1=tf.Graph()g2=Graph()sess1=tf.Session(graph=g1)sess2=Session(graph=g2)def intiMaskrcnn():     with g1.as_default():          with sess1.as_default():               Model1=........tf.rest_defaut_graph()def instanceDetect():     K.set_session(sess1)     with g1.as_default():           Model1.predit()            ............k.clear_session()def intiMobilenet():    with g2.as_default():         with sess2.as_default():              Model2=........def Retrieval():    K.set_session(sess2)     with g2.as_default():         Model2.predit()           ............

我想知道是否可以将Tensorflow和Keras同时整合到一个流程中，如果可以，如何实现？提前感谢

回答：

这有助于我在Tensorflow SSD目标检测中运行Keras模型。

* Use Seperate Graph.* Use Seperate Session.* reset the default Graph using tf.reset_default_graph()* for keras Use K.clearfrom keras.models import load_modelwith tf.Session(graph=K.get_session().graph) as session:    session.run(tf.global_variables_initializer())    model = load_model('model.h5')    predictions = model.predict(input)