张量流的变量在循环中产生错误

Question

我和TensorFlow: varscope.reuse_variables()有类似的问题。

我正在对数据集进行交叉验证。

每次我调用一个函数，例如myFunctionInFile1（））包含新数据（目前由于空间有限，我省略了数据分配细节）。这个函数不在同一个python文件中。因为我在我的主python文件（file2）中从该文件导入此函数。该功能创建了一个完整的CNN，并使用新初始化和训练的参数训练和测试给定训练和测试数据的模型。

从主文件（file2）开始，在第一次验证时，调用myFunctionInFile1并且CNN模型训练并测试它并将结果返回到主文件（file2）。但是，在使用新数据的第二次迭代中，代码如下：

def myFunctionInFile1():
    # Nodes for the input variables
    x = tf.placeholder("float", shape=[None, D], name='Input_data')
    y_ = tf.placeholder(tf.int64, shape=[None], name='Ground_truth')
    keep_prob = tf.placeholder("float")
    bn_train = tf.placeholder(tf.bool)  # Boolean value to guide batchnorm

    def bias_variable(shape, name):
        initial = tf.constant(0.1, shape=shape)
        return tf.Variable(initial, name=name)

    def conv2d(x, W):
        return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

    def max_pool_2x2(x):
        return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                          strides=[1, 2, 2, 1], padding='SAME')

    with tf.name_scope("Reshaping_data") as scope:
        x_image = tf.reshape(x, [-1, D, 1, 1])

    initializer = tf.contrib.layers.xavier_initializer()
    """Build the graph"""
    # ewma is the decay for which we update the moving average of the
    # mean and variance in the batch-norm layers

    with tf.name_scope("Conv1") as scope:
        # reuse = tf.AUTO_REUSE
        W_conv1 = tf.get_variable("Conv_Layer_1", shape=[5, 1, 1, num_filt_1], initializer=initializer)
        b_conv1 = bias_variable([num_filt_1], 'bias_for_Conv_Layer_1')
        a_conv1 = conv2d(x_image, W_conv1) + b_conv1
    with tf.name_scope('Batch_norm_conv1') as scope:
        a_conv1 = tf.contrib.layers.batch_norm(a_conv1,is_training=bn_train,updates_collections=None)

给我以下错误：

ValueError: Variable BatchNorm_2/beta does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=tf.AUTO_REUSE in VarScope?

有什么问题，就像在C / C ++ / Java中编程一样，如果退出一个函数，那个被调用函数中的局部变量会在返回时自动删除。每次新调用时都应该创建一组新的参数。而不是它给出这个错误的原因。我怎样才能解决这个问题？