我实在不知道问题出在哪里…我之前尝试过使用InteractiveSession()并传递一个显式会话，但这个错误就是无法解决…我是TensorFlow的新手…请帮助我。
cost=-tf.reduce_sum(y*tf.log(y_))train_step=tf.train.AdamOptimizer(LEARNING_RATE).minimize(cost)correct_pred=tf.equal(tf.argmax(y,1),tf.argmax(y_,1))accuracy = tf.reduce_mean(tf.cast(correct_pred, 'float'))predict=tf.argmax(y,1)这是我的会话代码
train_accuracies = []validation_accuracies = []x_range = []num_examples=train_images.shape[0]init=tf.global_variables_initializer()minibatches=random_mini_batches(train_images,train_labels, mini_batch_size = BATCH_SIZE)display_step=1init = tf.initialize_all_variables()with tf.Session().as_default() as sess:sess.run(init)for epoch in range(TRAINING_ITERATIONS): for minibatch in minibatches: (minibatch_X,minibatch_Y)=minibatch if epoch%display_step == 0 or (epoch+1) == TRAINING_ITERATIONS: train_accuracy = accuracy.eval(session=sess,feed_dict={x:minibatch_X, y: minibatch_Y, keep_prob: 1.0}) if(VALIDATION_SIZE): validation_accuracy = accuracy.eval(session=sess,feed_dict={ x: validation_images[0:BATCH_SIZE], y: validation_labels[0:BATCH_SIZE], keep_prob: 1.0}) print('training_accuracy / validation_accuracy => %.2f / %.2f for step %d'%(train_accuracy, validation_accuracy, epoch)) validation_accuracies.append(validation_accuracy) else: print('training_accuracy => %.4f for step %d'%(train_accuracy, epoch)) train_accuracies.append(train_accuracy) x_range.append(epoch) # 增加显示步长 if epoch%(display_step*10) == 0 and epoch: display_step *= 10 # 在批次上训练 sess.run(train_step, feed_dict={x: minibatch_X, y:minibatch_Y, keep_prob: DROPOUT})以下是生成的错误
---------------------------------------------------------------------------ValueError Traceback (most recent call last)<ipython-input-63-910bbc0840b2> in <module> 18 train_accuracy = accuracy.eval(session=sess,feed_dict={x:minibatch_X, 19 y: minibatch_Y, ---> 20 keep_prob: 1.0}) 21 if(VALIDATION_SIZE): 22 validation_accuracy = accuracy.eval(session=sess,feed_dict={ x: validation_images[0:BATCH_SIZE], /opt/conda/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py in eval(self, feed_dict, session) 788 789 """ --> 790 return _eval_using_default_session(self, feed_dict, self.graph, session) 791 792 def experimental_ref(self): /opt/conda/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py in _eval_using_default_session(tensors, feed_dict, graph, session) 5307 else: 5308 if session.graph is not graph: -> 5309 raise ValueError("Cannot use the given session to evaluate tensor: " 5310 "the tensor's graph is different from the session's " 5311 "graph.") ValueError: Cannot use the given session to evaluate tensor: the tensor's graph is different from the session's graph.请建议如何处理两个会话以及如何解决这个问题。主要问题是我尝试通过传递会话作为eval(session=sess)来解决，但它不起作用。它说我使用的计算图与准确性张量的图不同
回答：
我已经重新创建了可能导致错误的原因，并提供了解决方案。
在代码中添加了更多注释，以便更清楚地了解错误和解决方案。
注意 – 我使用了相同的代码，并做了一些小的调整，以重新创建可能导致错误的原因和相应的解决方案。
最佳修复代码位于此答案的末尾。
错误代码1 – 使用默认会话和在另一个图中创建的变量时出错
%tensorflow_version 1.ximport tensorflow as tfg = tf.Graph()with g.as_default(): x = tf.constant(1.0) # x 在图 g 中创建with tf.Session().as_default() as sess: y = tf.constant(2.0) # y 在TensorFlow的默认图中创建!!! print(y.eval(session=sess)) # y 在TensorFlow的默认图中创建，并在默认会话中评估，所以一切正常。 print(x.eval(session=sess)) # x 在图 g 中创建，但在会话 s 中评估，会话 s 与图 g 关联，但它在会话 s 中评估 => 错误输出 –
2.0---------------------------------------------------------------------------ValueError Traceback (most recent call last)<ipython-input-5-f35cb204cf59> in <module>() 10 print(y.eval(session=sess)) # y 在TensorFlow的默认图中创建，并在默认会话中评估，所以一切正常。 11 # 默认会话，所以一切正常。---> 12 print(x.eval(session=sess)) # x 在图 g 中创建，但在会话 s 中评估，会话 s 与图 g 关联，但它在会话 s 中评估 => 错误 13 # 会话 s 与图 g 关联，但它在会话 s 中评估 => 错误 14 # 会话 s 与图 g 关联，但它在会话 s 中评估 => 错误1 frames/tensorflow-1.15.2/python3.6/tensorflow_core/python/framework/ops.py in _eval_using_default_session(tensors, feed_dict, graph, session) 5402 else: 5403 if session.graph is not graph:-> 5404 raise ValueError("Cannot use the given session to evaluate tensor: " 5405 "the tensor's graph is different from the session's " 5406 "graph.")ValueError: Cannot use the given session to evaluate tensor: the tensor's graph is different from the session's graph.错误代码2 – 使用图会话作为默认会话并使用在默认图中创建的变量时出错
%tensorflow_version 1.ximport tensorflow as tfg = tf.Graph()with g.as_default(): x = tf.constant(1.0) # x 在图 g 中创建with tf.Session(graph=g).as_default() as sess: print(x.eval(session=sess)) # x 在图 g 中创建，并在会话 s 中评估，会话 s 与图 g 关联，所以一切正常。 y = tf.constant(2.0) # y 在TensorFlow的默认图中创建!!! print(y.eval()) # y 在TensorFlow的默认图中创建，但在会话 s 中评估，会话 s 与图 g 关联 => 错误输出 –
1.0---------------------------------------------------------------------------ValueError Traceback (most recent call last)<ipython-input-15-6b8b687c5178> in <module>() 10 # 会话 s 与图 g 关联，所以一切正常。 11 y = tf.constant(2.0) # y 在TensorFlow的默认图中创建!!!---> 12 print(y.eval()) # y 在TensorFlow的默认图中创建，但在会话 s 中评估，会话 s 与图 g 关联 => 错误 13 # 会话 s 与图 g 关联 => 错误1 frames/tensorflow-1.15.2/python3.6/tensorflow_core/python/framework/ops.py in _eval_using_default_session(tensors, feed_dict, graph, session) 5396 "`eval(session=sess)`") 5397 if session.graph is not graph:-> 5398 raise ValueError("Cannot use the default session to evaluate tensor: " 5399 "the tensor's graph is different from the session's " 5400 "graph. Pass an explicit session to "ValueError: Cannot use the default session to evaluate tensor: the tensor's graph is different from the session's graph. Pass an explicit session to `eval(session=sess)`.错误代码3 – 如错误代码2 –输出中建议的那样，向eval(session=sess)传递一个显式会话。让我们尝试一下。
%tensorflow_version 1.ximport tensorflow as tfg = tf.Graph()with g.as_default(): x = tf.constant(1.0) # x 在图 g 中创建with tf.Session(graph=g).as_default() as sess: print(x.eval(session=sess)) # x 在图 g 中创建，并在会话 s 中评估，会话 s 与图 g 关联，所以一切正常。 y = tf.constant(2.0) # y 在TensorFlow的默认图中创建!!! print(y.eval(session=sess)) # y 在TensorFlow的默认图中创建，但在会话 s 中评估，会话 s 与图 g 关联 => 错误输出 –
1.0---------------------------------------------------------------------------ValueError Traceback (most recent call last)<ipython-input-16-83809aa4e485> in <module>() 10 # 会话 s 与图 g 关联，所以一切正常。 11 y = tf.constant(2.0) # y 在TensorFlow的默认图中创建!!!---> 12 print(y.eval(session=sess)) # y 在TensorFlow的默认图中创建，但在会话 s 中评估，会话 s 与图 g 关联 => 错误 13 # 会话 s 与图 g 关联 => 错误1 frames/tensorflow-1.15.2/python3.6/tensorflow_core/python/framework/ops.py in _eval_using_default_session(tensors, feed_dict, graph, session) 5402 else: 5403 if session.graph is not graph:-> 5404 raise ValueError("Cannot use the given session to evaluate tensor: " 5405 "the tensor's graph is different from the session's " 5406 "graph.")ValueError: Cannot use the given session to evaluate tensor: the tensor's graph is different from the session's graph.修复1 – 使用默认会话和未分配到任何图的变量的修复方法
%tensorflow_version 1.ximport tensorflow as tfx = tf.constant(1.0) # x 未分配到任何图with tf.Session().as_default() as sess: y = tf.constant(2.0) # y 在TensorFlow的默认图中创建!!! print(y.eval(session=sess)) # y 在TensorFlow的默认图中创建，并在默认会话中评估，所以一切正常。 print(x.eval(session=sess)) # x 未分配到任何图，并在默认会话中评估，所以一切正常。 输出 –
2.01.0修复2 – 最佳修复方法 是清晰地分离构建阶段和执行阶段。
import tensorflow as tfg = tf.Graph()with g.as_default(): x = tf.constant(1.0) # x 在图 g 中创建 y = tf.constant(2.0) # y 在图 g 中创建with tf.Session(graph=g).as_default() as sess: print(x.eval()) # x 在图 g 中创建，并在会话 s 中评估，会话 s 与图 g 关联，所以一切正常。 print(y.eval()) # y 在图 g 中创建，并在会话 s 中评估，会话 s 与图 g 关联，所以一切正常。输出 –
1.02.0