TensorFlow变量重用报错：卷积核已存在问题及解决方法

刚上手用TensorFlow写GAN的时候，我碰到了个挺头疼的问题——代码运行时一直报错说某个卷积操作里的卷积核被重复定义了。折腾了好一会儿终于找到了解决方案，特意整理出来给同样踩坑的朋友参考！

问题场景 #

处于GAN开发初期，定义生成器/判别器的卷积层时，触发了变量重用冲突，系统提示卷积核变量已经存在，不允许重复创建。

报错信息示例 #

ValueError: Variable conv2d/kernel already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope?

解决方案 #

在脚本最开头添加一行代码，重置TensorFlow的默认计算图：

tf.restore_default_graph()

完整代码示例 #

# 关键：先重置默认计算图，清除之前运行残留的变量节点
tf.restore_default_graph()

import tensorflow as tf
import numpy as np
import os

# 生成器定义
def build_generator(z_input):
    with tf.variable_scope("generator", reuse=tf.AUTO_REUSE):
        # 示例卷积层
        conv_layer = tf.layers.conv2d(z_input, filters=64, kernel_size=5, strides=2, padding="same")
        # ...后续网络层逻辑
    return conv_layer

# 判别器定义
def build_discriminator(img_input):
    with tf.variable_scope("discriminator", reuse=tf.AUTO_REUSE):
        conv_layer = tf.layers.conv2d(img_input, filters=64, kernel_size=5, strides=2, padding="same")
        # ...后续网络层逻辑
    return conv_layer

# 训练逻辑等后续代码
# ...

原理说明 #

这个错误大多出现在反复运行脚本（比如Jupyter Notebook环境）或者之前的计算图残留未清除的场景下。tf.restore_default_graph()会重置TensorFlow的默认计算图，清除之前运行时创建的变量节点，避免新代码创建的变量和旧节点重名冲突。

如果是使用TensorFlow 2.x的兼容模式，记得改成tf.compat.v1.restore_default_graph()哦！

内容的提问来源于stack exchange，提问作者Karl