每当我尝试使用 tf.reset_default_graph() 时，我都会遇到这个错误：IndexError: list index out of range 或者 “。我应该在代码的哪个部分使用这个函数？我应该在什么时候使用它？
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 是 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移除 tf.reset_default_graph()，我会得到这个错误：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() 会移除所有图形，因此我避免了上述提到的错误（ValueError: cannot add op with name hidden_layer1/kernel/Adam as that name is already used）
回答：
这可能是你使用它的方法：
import tensorflow as tfa = tf.constant(1)with tf.Session() as sess: tf.reset_default_graph()你会遇到错误是因为你在会话中使用它。根据 tf.reset_default_graph() 的文档：
在活动的 tf.Session 或 tf.InteractiveSession 中调用此函数将导致未定义的行为。在调用此函数后使用任何先前创建的 tf.Operation 或 tf.Tensor 对象将导致未定义的行为
tf.reset_default_graph() 在测试阶段可能很有帮助（至少对我有帮助），当我在 jupyter 笔记本中进行实验时。然而，我从未在生产环境中使用过它，并且不明白它在那里会有什么帮助。
这是一个可能出现在笔记本中的示例：
import tensorflow as tf# 创建一些图形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了，但如果我创建另一个图形并在 tensorboard 中可视化它，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格。然而，我可以简单地这样做：
tf.reset_default_graph()# 创建一个新图形with tf.Session() as sess: print sess.run(...)在 OP 添加了他的代码后的编辑：
with tf.name_scope("predict"): tf.reset_default_graph()这里大约发生了什么。你的代码失败了，因为 tf.name_scope 已经向图形中添加了一些东西。在这个“向图形中添加东西”的过程中，你告诉 TF 完全移除图形，但它不能，因为它正忙于添加东西。
