Tensorflow基础之变量&计算图

一、以下程序想展示张量图中的某些操作以及变量

tf.reset_default_graph()
w1=tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1),name="w1")
w2=tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1),name="w2")
x=tf.constant([[0.7, 0.9]])
a=tf.matmul(x, w1)
y=tf.matmul(a, w2)
init_op=tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run(y))
    writer = tf.summary.FileWriter("logs", tf.get_default_graph())
    writer.close()
    """
    输出所有的变量
    """
    for i in tf.trainable_variables():
        print(i)
    """
    对所属的计算图进行输出,可以发现使用变量、常数、操作、以及默认图进行的输出结果是一样的
    """
    print(tf.get_default_graph())
    print(a.graph)##可以直接使用某一个操作
    print(w1.graph)
    print(x.graph)
    """
    对张量进行输出
    """
    print(tf.get_default_graph().get_tensor_by_name("w1:0")) ##合理
    # print(tf.get_default_graph().get_tensor_by_name("a"))## 不合理，不正确的一行
    

输出：

[[3.957578]]






Tensor("w1:0", shape=(2, 3), dtype=float32_ref)

使用tensorboard得到的输出图片长这样：
有些是变量，有些是操作。

二、将原本的程序封装成一个个小函数，却出现了问题

tf.reset_default_graph()
def f1(x):
    w1=tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1),name="w1")
    return tf.matmul(x, w1)
def f2(a):
    w2=tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1),name="w2")
    return tf.matmul(a, w2)

a=f1(x)
y=f2(a)

init_op=tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run(y))
    x=tf.placeholder(tf.float32,shape=[None,2],name="x")
    y=tf.placeholder(tf.float32,shape=[None,1],name="y")
    tmp=tf.constant([[0.7,0.9]])
    sess.run(y,feed_dict={x:tmp})
    writer = tf.summary.FileWriter("logs", tf.get_default_graph())
    writer.close()
    """
    输出所有的变量
    """
    for i in tf.trainable_variables():
        print(i)
    """
    对所属的计算图进行输出,可以发现使用变量、常数、操作、以及默认图进行的输出结果是一样的
    """
    print(tf.get_default_graph())
    print(a.graph)##可以直接使用某一个操作
    print(w1.graph)
    print(x.graph)
    """
    对张量进行输出
    """
    print(tf.get_default_graph().get_tensor_by_name("w1:0")) ##合理
    # print(tf.get_default_graph().get_tensor_by_name("a"))## 不合理，不正确的一行
    

报错之处：

ValueError: Tensor("w1:0", shape=(2, 3), dtype=float32_ref) must be from the same graph as Tensor("Const:0", shape=(1, 2), dtype=float32).
错误提示说两个张量来自不同的图，我们可以发现再sess之前的几行代码之间几乎没有什么关系，x压根儿没有进行初始化，是一个未知的变量。所以我们尝试将运行的函数挪进sess里面。

修改二：

tf.reset_default_graph()

def f1(xx):
    w1=tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1),name="w1")
    return tf.matmul(xx, w1)
def f2(aa):
    w2=tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1),name="w2")
    return tf.matmul(aa, w2)



init=tf.global_variables_initializer()
with tf.Session() as sess:
    x=tf.placeholder(tf.float32,shape=[None,2],name="x")
    y=tf.placeholder(tf.float32,shape=[None,1],name="y")
    a=f1(x)
    y=f2(a)
    sess.run(init)
    tmp=np.array([[0.7,0.9]])
    sess.run(y,feed_dict={x:tmp})
    writer = tf.summary.FileWriter("logs", tf.get_default_graph())
    writer.close()

【报的错误】：

FailedPreconditionError: Attempting to use uninitialized value w1
	 [[node w1/read (defined at :5) ]]

此时tensorboard的图片是长这样，也就是说并没有进行初始化。所以我们要思考为什么没有成功初始化。

修改三、

将完整的计算都挪到session的外面，说明在整个会话开始之前，整个框架已经完整存在，各个变量各就各位，这个时候的初始化才是有意义的。经过多番尝试，我发现在sess之前，计算图需要构建完成，才能对变量进行正确的初始化。详细的知识感觉自己也不是很懂。。。。反正就记住了，在使用Sess启动计算图之前，一定要构建完整的计算图，不能在会话里面再补充计算图。

tf.reset_default_graph()

def f1(xx):
    w1=tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1),name="w1")
    return tf.matmul(xx, w1)
def f2(aa):
    w2=tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1),name="w2")
    return tf.matmul(aa, w2)


x=tf.placeholder(tf.float32,shape=[None,2],name="x")
y=tf.placeholder(tf.float32,shape=[None,1],name="y")
a=f1(x)
y=f2(a)
init=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    tmp=np.array([[0.7,0.9]])
    print(sess.run(y,feed_dict={x:tmp}))
    writer = tf.summary.FileWriter("logs", tf.get_default_graph())
    writer.close()

这个时候还是不正确，不能正确输出，忽然发现y其实是结果，但是在上面的程序中我们将它当成了需要被赋值的placeholder，真是大错特错。
【错误提示】：

【tensorboard计算图】：

终于可以成功运行版：

tf.reset_default_graph()

def f1(xx):
    w1=tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1),name="w1")
    return tf.matmul(xx, w1)
def f2(aa):
    w2=tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1),name="w2")
    return tf.matmul(aa, w2)


x=tf.placeholder(tf.float32,shape=[None,2],name="x")
#y=tf.placeholder(tf.float32,shape=[None,1],name="y")
a=f1(x)
y=f2(a)
init=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    tmp=np.array([[0.7,0.9]])
    print(sess.run(y,feed_dict={x:tmp}))
    writer = tf.summary.FileWriter("logs", tf.get_default_graph())
    writer.close()

输出：

[[3.957578]]

tensorboard图片：
如果添加上标识tf.identity(y,"y") ，图片会变成：

小白一个，欢迎批评指正。