python - 跨类的张量流命名空间

Question

此处提供了该问题的要点：https ://gist.github.com/sankhaMukherjee/97c212072385ee36ebd8bfab9a801794

本质上，我正在尝试生成一个通用类，可以用作我的张量流项目的样板。提供的要点是我能想到的最简单的例子。我知道这与命名空间有关，但不确定如何解决此问题。

我有一个Test具有以下成员函数的类：

1. __init__(self, inpShape, outShape, layers, activations)
2. saveModel(self, sess)
3. restoreModel(self, sess, restorePoint)
4. fit(self, X, y, Niter=101, restorePoint=None)
5. predict(self, X, restorePoint=None)

函数本身很简单，可以在提供的要点中查找。现在，给定这个类，我们可以尝试测试它，看看它是如何做的：

X = np.random.random((10000, 2))
y = (2*X[:, 0] + 3*X[:, 1]).reshape(-1, 1)

inpShape    = (None, 2)
outShape    = (None, 1)
layers      = [7, 1]
activations = [tf.sigmoid, None]

t = Test(inpShape, outShape, layers, activations)
t.fit(X, y, 10000)
yHat = t.predict(X, restorePoint=t.restorePoints[-1])

plt.plot(yHat, y, '.', label='original')

这一切都很好！

现在我们要创建同一个类的另一个实例，并恢复从这里保存的模型。正是在这里，所有的地狱都崩溃了。让我们更新上面的内容以合并：

X = np.random.random((10000, 2))
y = (2*X[:, 0] + 3*X[:, 1]).reshape(-1, 1)

inpShape    = (None, 2)
outShape    = (None, 1)
layers      = [7, 1]
activations = [tf.sigmoid, None]

t = Test(inpShape, outShape, layers, activations)
t.fit(X, y, 10000)
yHat = t.predict(X, restorePoint=t.restorePoints[-1])

plt.plot(yHat, y, '.', label='original')

if True: # In the gist, turn this to True for seeing the problem
    t1 = Test(inpShape, outShape, layers, activations)
    yHat1 = t1.predict(X, restorePoint=t.restorePoints[-1])
    plt.plot(yHat1, y, '.', label='copied')

事实证明，我们不能再这样做了。它会用一个全新的图表和旧的图表完全搞乱一切。现在是否可以创建一个复制旧图的类的新实例，而不是创建旧图的全新实例？

标签： pythontensorflowgraphnamespaces