tensorflow中tf.Graph()使用说明

 tf.Graph()表示实例化一个用于tensorflow计算和表示用的数据流图，不负责运行计算。在代码中添加的操作和数据都是画在纸上的画，而图就是呈现这些画的纸。我们可以利用很多线程生成很多张图，但是默认图就只有一张。

   tf中可以定义多个计算图，不同计算图上的张量和运算是相互独立的，不会共享。计算图可以用来隔离张量和计算，同时提供了管理张量和计算的机制。

    1、使用g = tf.Graph()函数创建新的计算图

    2、在with g.as_default():语句下定义属于计算图g的张量和操作

    3、在with tf.Session()中通过参数graph=xxx指定当前会话所运行的计算图

   4、如果没有显示指定张量和操作所属的计算图，则这些张量和操作属于默认计算图

   5、一个图可以在多个sess中运行，一个ses也能运行多个图

 

    操作示例：

# 默认计算图上的操作

a = tf.constant([1.0, 2.0])

b = tf.constant([2.0, 3.0])

result = a + b

 

# 定义两个计算图

g1 = tf.Graph()

g2 = tf.Graph()

 

# 在g1中定义张量和操作

with g1.as_default():

    a = tf.constant([1.0, 1.0])

    b = tf.constant([1.0, 1.0])

    result1 = a + b

 

# 在g2中定义张量和操作

with g2.as_default():

    a = tf.constant([2.0, 2.0])

    b = tf.constant([2.0, 2.0])

    result2 = a + b

 

# 创建会话

with tf.Session(graph=g1) as sess:

    out = sess.run(result1)

    print(out)

 

with tf.Session(graph=g2) as sess:

    out = sess.run(result2)

    print(out)

 

with tf.Session(graph=tf.get_default_graph()) as sess:

    out = sess.run(result)

    print(out)

 

返回：

[2.0, 2.0]

[4.0, 4.0]

[3.0, 5.0]