我目前在恢复这个模型以进行预测时遇到了麻烦。

代码如下：

def neural_network(data):    with tf.name_scope("network"):        layer1 = tf.layers.dense(data, 1000, activation=tf.nn.relu, name="hidden_layer1")        layer2 = tf.layers.dense(layer1, 1000, activation=tf.nn.relu, name="hidden_layer2")        output = tf.layers.dense(layer2, 2, name="output_layer")        return outputdef evaluate():    with tf.name_scope("loss"):        global x        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, 10):                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"):        output = neural_network(x)        output = tf.nn.softmax(output)        with tf.Session() as sess:            saver = tf.train.import_meta_graph("saved_models/testing.meta")            # saver = tf.train.Saver()            saver.restore(sess, "saved_models/testing")            print sess.run(output, feed_dict={x: np.array([12003]).reshape([-1, 1])})

我尝试使用 tf.train.Saver() 来恢复模型，但也得到了同样的错误。

错误信息是 ValueError: Variable hidden_layer1/kernel already exists, disallowed. Did you mean to set reuse=True in VarScope? Originally defined at:

我尝试为 tf.layers.dense() 设置 reuse=True，但结果导致我无法训练图（给出了与上述相同的 ValueError，但要求设置 reuse=None）。

我猜测这可能与图仍然存在于会话中有关，所以当我尝试恢复它时，它检测到了重复的图。然而，我认为这不应该发生，因为会话已经关闭了。

完整代码链接：gistlink

回答：

我认为你是在同一个图中加载变量。尝试创建一个新的图并加载它。你可以尝试这样做：

loaded_graph = tf.Graph()with tf.Session(graph=loaded_graph) as sess:   # 加载带有训练状态的图