TensorFlow 计算模型 -- 计算图

TensorFlow是一个通过计算图的形式表述计算机的编程系统

TensorFlow程序一般分为两个阶段，第一个阶段需要定义计算图中所有的计算（变量）

第二个阶段为执行计算

如以下代码

import tensorflow as tf

# 第一阶段定义所有的计算
a = tf.constant([1, 2], name=‘a‘)
b = tf.constant([1, 2], name=b‘)
result = a + b

# 第二阶段，执行计算
# 创建一个会话
sess = tf.Session()
#运行会话执行计算
sess.run(result)
# 关闭会话
sess.close()

通过tf.get_default_graph函数可以获取当前默认的计算图，通过a.graph可以查看张量所属的计算图

如果没有特意指定a.graph等于默认的计算图，下面的代码输出为True

print（a.graph is tf.get_default_graph()）　　# 输出为True

除了使用默认的计算图，TensorFlow支持通过tf.Graph函数来生成新的计算图，不同计算图上的张量和运算不会共享

import tensorflow as tf

g1 = tf.Graph()
with g1.as default():
    # 在计算图g1中定义变量‘v‘,并设置初始值为0
    v = tf.get_variable(‘v‘, shap=[1], initializer=tf.zeros_initializer)

g2 = tf.Graph()
with g2.as default():
    # 在计算图g1中定义变量‘v‘,并设置初始值为1
    v = tf.get_variable(‘v‘, shap=[1], initializer=tf.oness_initializer)

# 在计算图g1中读取变量‘v‘的取值
with tf.Session(graph=g1) as sess:
    tf.global_variables_initializer().run()
    with tf.variable_scope("", reuse=True):
        # 在计算图g1中，变量v的取值应该为0，下面应输出[0.]
        print(sess.run(tf.get_variable(‘v‘)))

# 在计算图g2中读取变量‘v‘的取值
with tf.Session(graph=g2) as sess:　　# 初始化全局变量
    tf.global_variables_initializer().run()
    with tf.variable_scope("", reuse=True):
        # 在计算图g2中，变量v的取值应该为1，下面应输出[1.]
        print(sess.run(tf.get_variable(‘v‘)))

另外计算图还可以通过tf.Graph.device函数指定运行的设备

g = tf.Graph()
# 指定计算运行设的设备，指定到gpu0上
with g.device(‘/gpu:0‘):
    result a + b

原文地址：https://www.cnblogs.com/lyh-vip/p/10505733.html