出于某些奇怪的原因，我必须使用与feedstuff相同的标签多次运行tensorflow（图形和会话）（但使用不同的变量初始化程序） .
错误在第二次运行开始时结束，说我必须使用dtype int64为占位符张量'label'提供一个值 . 我知道当我忘记在会话或feedstuff dtype不匹配中提供数据时经常会出现此错误 . 但我相信它是由图形的“重建”引起的，因为我在会话中确认了所有内容，并且在第一次运行期间没有出现任何问题 .
为防止变量名冲突，我将resuse开关设置为tf.AUTO_REUSE . 并在我再次运行整个代码时将它们初始化为我想要的内容 . 但是，在重用图形时，我不知道tf.placeholder有什么相似之处，我不确定类似碰撞引起的错误是否与tf.get_variable的名称相同 .
我需要多次运行它们的图形和会话的基本结构如下：
y_ = tf.placeholder(tf.int64, [None], name='labels'
with tf.variable_scope('var', reuse=tf.AUTO_REUSE):
get_variables(), define_operations(), build_graph()
with tf.Session() as sess:
process_something() # nothing to do with feeding
for i in range(n_steps):
_,_,_ = sess.run([a,b,c],
feed_dict = {y_: shape_dtype_matched_data} # this line is where the report error happened.
# these feedstuff is identical both in the FOR loop and in the other run of the whole code.
我知道一个可能的解决方案是在每个运行时使用tf.reset_default_graph（），但我只是想知道我的代码有什么问题 . 关于我的目标的任何建议（如第一段所述）将不胜感激！