Tensorflow 同时加载多个模型，以及与keras模型混用

最新推荐文章于 2025-06-13 09:59:48 发布

原创

最新推荐文章于 2025-06-13 09:59:48 发布 · 7.1k 阅读

18 ·

CC 4.0 BY-SA版权

本文介绍了如何在Tensorflow中同时加载和使用多个模型，强调了需要在不同的session中管理模型，特别是使用多个graph的情况。在使用过程中，必须明确指定当前的default graph以避免错误。此外，还提到了跨框架（如Keras）混合使用模型可能遇到的问题，如cuDNN资源分配冲突，可以通过调整模型加载顺序解决。在Keras中，由于通常忽视session和graph，需要在特定位置添加session和graph管理。给出了相关参考资料链接以供深入学习。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensorflow同时加载使用多个模型

Tensorflow，所有操作对象都包装在相应的session中，所以想要使用不同的模型就要将这些模型加载到不同session中，并且声明使用的时候申请是哪个session，从而避免由于session和想使用的模型不匹配导致错误，而使用多个graph就需要为每个graph使用不同的session，但是每个graph也可以在多个session中使用，这个时候就需要在每个session中使用的时候明确使用的graph。

g1 = tf.Graph() # 加载到Session 1的graph
g2 = tf.Graph() # 加载到Session 2的graph

sess1 = tf.Session(graph=g1) # Session1
sess2 = tf.Session(graph=g2) # Session2

# 加载第一个模型
with sess1.as_default(): 
    with g1.as_default():
        tf.global_variables_initializer().run()
        model_saver = tf.train.Saver(tf.global_variables())
        model_ckpt = tf.train.get_checkpoint_state(“model1/save/path”)
        model_saver.restore(sess, model_ckpt.model_checkpoint_path)
# 加载第二个模型
with sess2.as_default():  # 1
    with g2.as_default():  
        tf.global_variables_initializer().run()
        model_saver = tf.train.Saver(tf.global_variables())
        model_ckpt = tf.train.get_checkpoint_state(“model2/save/p