TensorFlow：不同图初始化模型却关联错误图的修正方法咨询

我来帮你分析这个问题并给出解决方案：

问题重现 #

你编写了以下TensorFlow代码，期望在不同图上下文中创建的模型实例，其input_batch张量属于对应的图，但实际结果却不符合预期：

import tensorflow as tf
import numpy as np
class SimpleModel():
    pass
def declare_placeholders(self):
    self.input_batch = tf.placeholder(dtype=tf.int32, shape=[None, None], name='input_batch')
SimpleModel.__declare_placeholders = classmethod(declare_placeholders)
def init_model(self):
    self.__declare_placeholders()
SimpleModel.__init__ = classmethod(init_model)

g_1 = tf.Graph()
with g_1.as_default():
    model1 = SimpleModel()
g_2 = tf.Graph()
with g_2.as_default():
    model2 = SimpleModel()

出现的异常现象：

• 预期assert model1.input_batch.graph is g_1不会触发断言错误，但实际触发了
• 反而assert model1.input_batch.graph is g_2成立，明明model1是在g_1的默认图上下文中初始化的

问题根源 #

问题出在你错误地使用了classmethod来定义__init__和__declare_placeholders方法：

• __init__是Python类的实例初始化方法，本质上应该接收实例对象self作为第一个参数，而不是类对象。当你把它设为classmethod后，init_model里的self其实是SimpleModel类本身，而不是刚创建的实例。
• 同样，__declare_placeholders作为classmethod时，你给self（也就是类）绑定了input_batch属性——这意味着所有实例都会共享这个类属性。当你在g_2上下文创建model2时，会覆盖类上的input_batch，所以model1.input_batch实际上指向的是最后一次创建的、属于g_2的张量。

修正后的代码 #

只需要把初始化和占位符声明方法改回普通的实例方法即可：

import tensorflow as tf
import numpy as np

class SimpleModel():
    def __init__(self):
        # 实例初始化时调用占位符声明方法
        self.declare_placeholders()
    
    def declare_placeholders(self):
        # 给当前实例绑定input_batch属性，而非类
        self.input_batch = tf.placeholder(dtype=tf.int32, shape=[None, None], name='input_batch')

g_1 = tf.Graph()
with g_1.as_default():
    model1 = SimpleModel()
g_2 = tf.Graph()
with g_2.as_default():
    model2 = SimpleModel()

# 现在两个断言都会正常通过
assert model1.input_batch.graph is g_1
assert model2.input_batch.graph is g_2

修正说明 #

• 将__init__恢复为普通实例方法，负责初始化当前实例并调用占位符声明逻辑
• declare_placeholders改为实例方法，给当前创建的实例绑定独立的input_batch属性
• 这样每个模型实例都会拥有自己专属的张量，创建时所在的图上下文会正确关联到该张量上，不会出现跨图混淆的问题

内容的提问来源于stack exchange，提问作者evgenii ershenko