人工智能深度学习入门练习之（21）TensorFlow – 创建计算图

标签：col   padding   smo   试验   height   efault   相同   not   学习   

创建计算图

下面的代码在内存中创建一个默认计算图。

import tensorflow as tf

x = tf.Variable(3, name="x")

y = tf.Variable(4, name="y")

f = x*x*y + y + 2

代码中声明了变量和函数，这将会在内存中创建一个默认计算图。

默认计算图

默认计算图是TensorFlow默认生成的计算图。

>>> import tensorflow as tf
>>> x1 = tf.Variable(1)
>>> x1.graph is tf.get_default_graph( )
True

注意
当你在Python shell中进行试验时，通常会多次运行相同的命令，这可能会导致默认图中包含许多重复节点。例如，同个python shell中运行2次x = tf.variable (3, name="x")，会有2个x节点。
可以通过重启Python shell解决这个问题，但更方便的是通过运行tf.reset_default_graph()来重置默认计算图。

显式创建计算图

如果需要，可创建默认图之外的其他计算图。

新节点都会被添加到默认图中，如果想添加到新的图中，需要把新的图设置为默认图。

例如，下面代码中所示的变量x2的情况。

示例

注意
当你在Python shell中进行试验时，通常会多次运行相同的命令，这可能会导致默认图中包含许多重复节点。例如，同个python shell中运行2次x = tf.variable (3, name="x")，会有2个x节点。
可以通过重启Python shell解决这个问题，但更方便的是通过运行tf.reset_default_graph()来重置默认计算图。

显式创建计算图
如果需要，可创建默认图之外的其他计算图。

新节点都会被添加到默认图中，如果想添加到新的图中，需要把新的图设置为默认图。

例如，下面代码中所示的变量x2的情况。

示例

如上所示，要使用新图，创建一个图并使用with块将其临时设置为默认图形。

注意
当你在Python shell中进行试验时，通常会多次运行相同的命令，这可能会导致默认图中包含许多重复节点。例如，同个python shell中运行2次x = tf.variable (3, name="x")，会有2个x节点。
可以通过重启Python shell解决这个问题，但更方便的是通过运行tf.reset_default_graph()来重置默认计算图。

人工智能深度学习入门练习之（21）TensorFlow – 创建计算图

标签：col   padding   smo   试验   height   efault   相同   not   学习   

原文地址：https://www.cnblogs.com/huanghanyu/p/13164247.html