如何使用 tf.reset_default_graph()

Question

每当我尝试使用tf.reset_default_graph() 时，都会收到此错误：IndexError: list index out of range 或 ``。我应该在代码的哪一部分使用它？我应该什么时候使用它？

编辑：

我更新了代码，但仍然出现错误。

def evaluate():
    with tf.name_scope("loss"):
        global x # x is a 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()

如果我从更新的代码中删除 tf.reset_default_graph()，我会收到以下错误：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() 会删除所有图表，因此我避免了上面提到的错误(ValueError: cannot add op with name hidden_layer1/kernel/Adam as that name is already used)

Answer 1

这可能是你使用它的方式：

import tensorflow as tf
a = tf.constant(1)
with tf.Session() as sess:
    tf.reset_default_graph()

您收到错误是因为您在会话中使用它。来自tf.reset_default_graph() 文档：

在 tf.Session 或 tf.InteractiveSession 运行时调用此函数 active 将导致未定义的行为。使用任何以前创建的 调用此函数后的 tf.Operation 或 tf.Tensor 对象将 导致未定义的行为

---

tf.reset_default_graph() 在我在 jupyter notebook 中进行实验的测试阶段可能会有所帮助（至少对我而言）。但是，我从未在生产中使用过它，也不知道它在那里会有什么帮助。

这是一个可以在笔记本中的示例：

import tensorflow as tf
# create some graph
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，但是如果我创建另一个图形并在 tensorboard 中将其可视化，我将看到旧节点和新节点。为了解决这个问题，我可以重新启动内核并只运行下一个单元。但是，我可以这样做：

tf.reset_default_graph()
# create a new graph
with tf.Session() as sess:
    print sess.run(...)

在 OP 添加他的代码后编辑：

with tf.name_scope("predict"):
    tf.reset_default_graph()

这是大概发生的情况。您的代码失败，因为 tf.name_scope 已经在图表中添加了一些内容。在“向图表中添加内容”的过程中，您告诉 TF 完全删除图表，但它不能，因为它正忙于添加内容。

Answer 2

出于某种原因，我需要多次构建一个新图表，并且我刚刚测试过，它最终可以工作！非常感谢萨尔瓦多·达利的回答:-)

import tensorflow as tf
from my_models import Classifier

for i in range(10):
    tf.reset_default_graph()
    # build the graph
    global_step = tf.get_variable('global_step', [], initializer=tf.constant_initializer(0), trainable=False)
    classifier = Classifier(global_step)
    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print("do sth here.")

Answer 3

随着 TensorFlow 2.0 的发布，现在最好使用tf.compat.v1.reset_default_graph() 以避免收到警告。文档链接：https://www.tensorflow.org/api_docs/python/tf/compat/v1/reset_default_graph

Answer 4

简单地说， 用于清除您使用 sess.run() 创建的先前占位符