TensorFlow基础(1)-中使用多个 Graph
代码中有时候会遇到
with tf.Graph().as_default():
其实这个可以有也可以没有,可能是可以让自己的思路更加清楚吧,知道这里开始新建图了。
tensorflow官方教程
翻译
简介
当我们训练一个模型时,通常的做法是用一个 Graph 训练模型,然后用另一个 Graph 来评估模型的训练情况,因为在许多情况下,训练和测试的前向推导过程是不一样的,因为训练的时候通常包括了dropout和 BN 操作,而测试的时候则不需要或使用不一样的参数。但是这样有一个使用起来很不方便的地方,那就是训练和测试各自需要一个显卡,对于资源不是那么充裕的使用者就很不方便了,是否可以在一个进程内运行两个不同的计算图呢?
创建新计算图的优势
通常情况下,使用 TensorFlow 提供的默认计算图 Graph 就已经能够完成所有的工作了,但是,它也提供了方法来操作默认的计算图 Graph,用以适应更复杂的情况,比如说一个 Graph 定义了它内部所有 OP 的命名空间,所有内部 OP 都会自动命名为不重复的情况,但是还是会使得 OP 的名称比较复杂,那么如果显式的创建一个 Graph 就会给你为 OP 命名带来更多的控制权。
另外,默认的计算图 Graph 会存储所有的 OP 和 tensor 的信息,但是如果你创建的计算图是多个没有关联的子计算图,那么还不如创建多个独立的计算图,这样会使得原来的不相干的子图之间的声明被系统当做垃圾回收。
使用方法(有点问题)
可以先使用 tf.Graph 建立一个新的计算图,然后使用 tf.Graph.as_default 来创建一个上下文管理器来指定该计算图内部的结构;可以看如下代码:
g_1 = tf.Graph()
with g_1.as_default():# Operations created in this scope will be added to `g_1`.c = tf.constant("Node in g_1")# Sessions created in this scope will run operations from `g_1`.sess_1 = tf.Session()g_2 = tf.Graph()
with g_2.as_default():# Operations created in this scope will be added to `g_2`.d = tf.constant("Node in g_2")# Alternatively, you can pass a graph when constructing a `tf.Session`:
# `sess_2` will run operations from `g_2`.
sess_2 = tf.Session(graph=g_2)assert c.graph is g_1
assert sess_1.graph is g_1assert d.graph is g_2
assert sess_2.graph is g_2
这段代码表明了两种使用不同的 session 来运行不同的计算图的方式,一种是直接在该计算图g_1 Graph 内部调用 session ,一种是在该计算图的外部将 g_2 传入 session。
如果要查看当前使用的是哪个计算图,可以使用如下方法:
# Print all of the operations in the default graph.
g = tf.get_default_graph()
print(g.get_operations())
这段代码运行出来,在这记录一下。
使用方法
参考
我觉得参考的代码看起来很舒服,简单的变成的py3,代码很清晰,比官网好多了。
# -*- coding: utf-8 -*-) import tensorflow as tf # 在系统默认计算图上创建张量和操作 a=tf.constant([1.0,2.0]) b=tf.constant([2.0,1.0]) result = a+b # 定义两个计算图 g1=tf.Graph() g2=tf.Graph() # 在计算图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 with g2.as_default(): a = tf.constant([2.0, 2.0]) b = tf.constant([2.0, 2.0]) result2 = a + b # 在g1计算图上创建会话 with tf.Session(graph=g1) as sess: out = sess.run(result1) print('with graph g1, result: {0}'.format(out)) with tf.Session(graph=g2) as sess: out = sess.run(result2) print('with graph g2, result: {0}'.format(out)) # 在默认计算图上创建会话 with tf.Session(graph=tf.get_default_graph()) as sess: out = sess.run(result) print( 'with graph default, result: {0}'.format(out)) print(g1.version) # 返回计算图中操作的个数
结果
-with graph g1, result: [2. 2.]
with graph g2, result: [4. 4.]
with graph default, result: [3. 3.]
3
TensorFlow基础(1)-中使用多个 Graph相关推荐
- TensorFlow基础剖析
TensorFlow基础剖析 一.概述 TensorFlow 是一个使用数据流图 (Dataflow Graph) 表达数值计算的开源软件库.它使用节点表示抽象的数学计算,并使用 OP 表达计算的逻辑 ...
- TF学习:Tensorflow基础案例、经典案例集合——基于python编程代码的实现
TF学习:Tensorflow基础案例.经典案例集合--基于python编程代码的实现 目录 Tensorflow的使用入门 1.TF:使用Tensorflow输出一句话 2.TF实现加法 3.TF实 ...
- 深度学习(5)TensorFlow基础操作一: TensorFlow数据类型
深度学习(5)TensorFlow基础操作一: TensorFlow数据类型 Data Container(数据载体) What's Tensor TF is a computing lib(科学计算 ...
- 机器学习Tensorflow基础知识、张量与变量
TensorFlow是一个采用数据流图(data flow graphs),用于数值计算的开源软件库.节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组, ...
- Tensorflow基础语法和概念
Tensorflow基础语法和概念 一些说明:学习tensorflow用到的Python语法,请参考这篇博客 计算图模型 Tensorflow的构建的机器学习模型都是有向图模型,在Tensorflow ...
- Tensorflow基础4:run()函数
Tensorflow 基础4:run()函数 run()是运算和转换 一次只能运行一个单位 run()只能tensorflow中的单位 one = tf.Graph()var1 = tf.consta ...
- 视频教程-人人都会深度学习之Tensorflow基础入门-深度学习
人人都会深度学习之Tensorflow基础入门 大数据工程师/算法工程师/大数据讲师,毕业于西华大学软件工程专业.在大数据领域有着丰富的实战经验. 擅长领域:Spark/Hadoop.算法设计及系统架 ...
- 教程▍一步步上手TensorFlow——基础知识
作者|blackblog 编辑| 布袋熊 AI基础技能学习 一步步上手TensorFlow TensorFlow 是一个用于人工智能的开源神器.作为常用的机器学习框架,可被用于语音识别或图像识别等多 ...
- Coursera TensorFlow 基础课程-week4
Using Real-world Images 参考:Ubuntu 16 安装TensorFlow及Jupyter notebook 安装TensorFlow. 本篇博客翻译来自 Introducti ...
- 深度学习框架-Tensorflow基础学习
Tensorflow简介 1. Tensorflow是一个编程系统,使用图来表示计算任务.使用图来表示计算任务. 图中的节点被称之为 op (operation 的缩写). 一个 op 获得 0 个或 ...
最新文章
- k3应付系统初始化应付票据_在家工作时应付无尽干扰的真实感觉
- python写错了怎么更改-使用Python修改文件内容后如何保存更改
- Java forEach中 Lambda Expr中的 final变量要求
- 常用英雄胜率怎么刷_单排刷英雄胜率或者炸鱼方法。
- PyTorch:VGG16简单入门版
- 演练 动态数组存储学生对象 并且实现遍历 0119
- mysql innodb排他锁_mysql 中innoDB引擎的事务喝共享锁喝排他锁
- Linux安装nginx做端口映射
- win7录屏_屏幕录制软件哪个好用?推荐三种正确录屏方法
- 3d旋转图片立方体特效
- Qt编写的qml程序全屏时,挡住系统虚拟键盘的解决办法
- Mybatis常见面试问题(附答案)
- 如何生成git的公钥和私钥
- 微信公众平台修改服务器,微信公众平台开发配置及自定义分享
- 数据类型概述(基本数据类型)
- mysql事务 mysql事务回滚 MySQL事务死锁 如何解除死锁 资金出入账
- 暗黑修仙 页游 架设教程 单机 自玩 一键端
- javascript重要事件总结(onsubmit/onclick/onload/onfocus/onblur/onmouseover/onmouseout)
- Remind-You Part2. setup.py打包代码, socket通讯
- DSA加密算法以及破解