Tensorflow новая сессия? или как сохранить графики отдельно?

Question

mlp = TfMLP()

mlp.set_train_data(input_data=x_train, output_data=y_train, shuffle=True)

mlp.set_params(total_epoch=1000, learning_rate=0.0001, dim=[len(x_train[0]), 24], neural_size=512, batch_size=500, \
            keep_prob=0.75, num_layer=3, name='layerthree')


mlp.set_params(total_epoch=1000, learning_rate=0.0001, dim=[len(x_train[0]), 24], neural_size=512, batch_size=500, \
            keep_prob=0.75, num_layer=2, name='layertwo')


mlp.set_params(total_epoch=1000, learning_rate=0.0001, dim=[len(x_train[0]), 24], neural_size=512, batch_size=500, \
            keep_prob=0.75, num_layer=3, name='layerthree_tanh', activation='tanh')


mlp.set_params(total_epoch=1000, learning_rate=0.0001, dim=[len(x_train[0]), 24], neural_size=512, batch_size=500, \
            keep_prob=0.75, num_layer=2, name='layertwo_tanh', activation='tanh')

..

..

..

..

mlp.train_queue()

Я кодирую для использования тензорного потока для обработки нескольких моделей с различными параметрами, которые дают набор результатов одним действием (запуск) одним щелчком мыши.

Как и в приведенном выше коде, настройте другой набор параметров и запустите обучение модели последовательно и протестируйте все модели последовательно.

Объект содержит слои и стоимость, вес, оптимизатор и т. Д. С именем по умолчанию. Например, weight1, bias1 ... и объединяет имя, заданное параметром, для создания уникального имени переменной.

Я сделал это, потому что я получаю исключение (имя = повторное использование?), Как только программа запускается для второй модели.

ВОПРОС: Проблема, которую я понял, связана с сеансом. Когда я пытаюсь сохранить сессию в конце обучения последней модели, сессия включает в себя все модели.

Я хочу сохранить модель отдельно. Поэтому я думаю, что мне нужно либо запустить модель обучения с разными сессиями, чтобы каждая сессия имела одну модель, либо сохранить модели отдельно от одной сессии.

Для приведенного выше случая, я думаю, что код как

with Session as sess:

не будет работать, так как я хочу обучить все модели сразу, а затем протестировать их, а затем сохранить... не обучить одну модель и протестировать одну и сохранить, чтобы сделать следующую модель...

Кто-нибудь может мне помочь через это?

Кстати, даже если я попытаюсь получить новую сессию для каждой модели с

sess = tf.Session()

Это приносит тот же сеанс, что и первый. Кажется, сессия глобальная, я прав?