如何在每次调用deep_model函数时重置TensorFlow图以避免新增模型层？

我之前也碰到过一模一样的情况——函数被随机多次调用时，TensorFlow会默认复用之前的计算图，导致新模型不断叠加旧层，最后模型结构完全混乱。给你两个实用的解决方案，优先推荐第一个（适配TensorFlow 2.x主流版本）：

方案1：用Keras内置会话清理方法（推荐） #

直接在函数开头加上tf.keras.backend.clear_session()，它会彻底清除之前的模型、层和计算图状态，保证每次调用函数都是从零开始构建全新模型。修改后的代码如下：

import tensorflow as tf
from tensorflow.keras import models, layers

def deep_model(L,N,X_train,y_train,X_test,y_test):
    # 关键步骤：重置Keras会话，清除所有历史模型和层
    tf.keras.backend.clear_session()
    
    model = models.Sequential()
    model.add(layers.Dense(N, activation='relu', input_shape=(4,)))
    for i in range(1, L):
        model.add(layers.Dense(N, activation='relu'))
    model.add(layers.Dense(1, activation='sigmoid'))
    # 补全编译参数（假设是二分类任务，你可以根据实际需求调整）
    model.compile(optimizer='rmsprop',
                  loss='binary_crossentropy',
                  metrics=['accuracy'])
    
    # 这里可以添加训练和评估逻辑
    model.fit(X_train, y_train, epochs=10, batch_size=32)
    test_loss, test_acc = model.evaluate(X_test, y_test)
    
    return model, test_loss, test_acc

为什么这个方法有效？ #

clear_session()会重置Keras的全局状态，包括删除所有已创建的模型、释放占用的内存，确保每次调用deep_model时，都是在全新的计算图上构建模型，不会和之前的结构产生任何冲突。

方案2：适配TensorFlow 1.x的旧版本方法（仅作兼容参考） #

如果你还在维护TensorFlow 1.x的代码，可以用tf.reset_default_graph()配合会话管理，代码如下：

import tensorflow as tf
from tensorflow.keras import models, layers

def deep_model(L,N,X_train,y_train,X_test,y_test):
    # 重置默认计算图
    tf.reset_default_graph()
    # 创建新会话并绑定到Keras
    with tf.Session() as sess:
        tf.keras.backend.set_session(sess)
        
        model = models.Sequential()
        model.add(layers.Dense(N, activation='relu', input_shape=(4,)))
        for i in range(1, L):
            model.add(layers.Dense(N, activation='relu'))
        model.add(layers.Dense(1, activation='sigmoid'))
        model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])
        
        model.fit(X_train, y_train, epochs=10, batch_size=32)
        test_loss, test_acc = model.evaluate(X_test, y_test)
        
        return model, test_loss, test_acc

额外注意事项 #

• 一定要把clear_session()（或reset_default_graph()）放在模型构建代码的最开头，确保所有层的创建都在重置之后执行。
• 这个方法不仅解决了层叠加的问题，还能避免多次调用函数导致的内存泄漏，让资源释放更彻底。

内容的提问来源于stack exchange，提问作者ajit samudrala