如何在Tensorflow中恢复两个图表？

import tensorflow as tf

# 创建一个新的图表对象
graph = tf.Graph()

# 加载之前保存的图表的元图文件
with graph.as_default():
    saver = tf.train.import_meta_graph('path/to/your/model.meta')

# 在恢复的图表中获取需要的操作和张量
with tf.Session(graph=graph) as sess:
    # 恢复图表的变量值
    saver.restore(sess, 'path/to/your/model')

    # 获取需要的操作和张量
    op1 = graph.get_operation_by_name('op1')
    op2 = graph.get_operation_by_name('op2')
    tensor1 = graph.get_tensor_by_name('tensor1:0')
    tensor2 = graph.get_tensor_by_name('tensor2:0')

    # 使用恢复的操作和张量进行计算
    result1 = sess.run(op1, feed_dict={tensor1: input_data1})
    result2 = sess.run(op2, feed_dict={tensor2: input_data2})