tensorflow系列之tf.graph

我们知道Tensorflow可看作是一个数据流图（Dataflow），由节点和边构成，其中节点表示一个操作，一条边表示一个Tensor，每个节点可以从自己的入边获取自己的输入，同时也可以产生输出通过自己的出边流向下一个节点，首先我们将介绍Tensorflow中的tf.Graph。
在我们通常的tensorflow程序中，会默认给我们构建一个图，我们可以通过：
tf.get_default_graph()
得到这个默认的图，因此我们所添加的各种操作（节点）都会默认加到这个图中。如下是不同创建图的方式：

在这里需要注意的是，Graph类并不是线程安全的，所以，所有的操作都应该通过一个线程进行添加，或者需要做好同步机制。接下来介绍一些这个类中常见的方法：
1.向容器中添加元素

注意add_to_collection和add_to_collections中并不是set数据结构，所有你是可以向里面添加key值相同的元素。
2.删除图中某个容器

3.指定使用的设备
我们采用官方文档的例子：

对于device方法的参数，既可以是字符串，也可以是一个方法，也可以是None。
4.对于我们之前添加的collection，我们可以通过下面的方式获取collection中的内容

5.获取命名空间 get_name_scope()

注意，若name_scope那么重复了，tensorflow在内部通过unique_name()会对其进行处理从而保证其唯一性：

6.获取图中Operation和Tensor

开发环境：
Python: 3.7
Tensorflow: r1.13

示例代码地址：https://github.com/jmsking/tensorflow-0-1.git
欢迎关注公众号【AIML_2018】
里面记录了自己在学习机器学习及深度学习的感悟，同时介绍了机器学习及深度学习的必备数学知识，希望大家一起进步。