深度学习基础之《TensorFlow框架（2）—图》
一、什么是图结构
1、图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据
图结构：数据(Tensor) + 操作(Operation)
二、图相关操作
1、默认图
通常TensorFlow会默认帮我们创建一张图
查看默认图的两种方法：
（1）通过调用tf.compat.v1.get_default_graph()访问，要将操作添加到默认图形中，直接创建OP即可
（2）op、sess都含有graph属性，默认都在一张图中
注：2.x版本（使用默认图）不支持调用属性，会报错“AttributeError: Tensor.graph is meaningless when eager execution is enabled.”
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tfdef tensorflow_demo():"""TensorFlow的基本结构"""# TensorFlow实现加减法运算a_t = tf.constant(2)b_t = tf.constant(3)c_t = a_t + b_tprint("TensorFlow加法运算结果：\n", c_t)print(c_t.numpy())# 2.0版本不需要开启会话，已经没有会话模块了return Nonedef graph_demo():"""图的演示"""# TensorFlow实现加减法运算a_t = tf.constant(2)b_t = tf.constant(3)c_t = a_t + b_tprint("TensorFlow加法运算结果：\n", c_t)print(c_t.numpy())# 查看默认图# 方法1：调用方法default_g = tf.compat.v1.get_default_graph()print("default_g：\n", default_g)# 方法2：查看属性# print("a_t的图属性：\n", a_t.graph)# print("c_t的图属性：\n", c_t.graph)return Noneif __name__ == "__main__":# 代码1：TensorFlow的基本结构# tensorflow_demo()# 代码2：图的演示graph_demo()python3 day01_deeplearning.pyTensorFlow加法运算结果：tf.Tensor(5, shape=(), dtype=int32)
5
default_g：<tensorflow.python.framework.ops.Graph object at 0x7f27651b5be0>2、创建图
（1）可以通过tf.Graph()自定义创建图
（2）如果要在这张图中创建OP，典型用法是使用tf.Graph.as_default()上下文管理器
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tfdef tensorflow_demo():"""TensorFlow的基本结构"""# TensorFlow实现加减法运算a_t = tf.constant(2)b_t = tf.constant(3)c_t = a_t + b_tprint("TensorFlow加法运算结果：\n", c_t)print(c_t.numpy())# 2.0版本不需要开启会话，已经没有会话模块了return Nonedef graph_demo():"""图的演示"""# TensorFlow实现加减法运算a_t = tf.constant(2)b_t = tf.constant(3)c_t = a_t + b_tprint("TensorFlow加法运算结果：\n", c_t)print(c_t.numpy())# 查看默认图# 方法1：调用方法default_g = tf.compat.v1.get_default_graph()print("default_g：\n", default_g)# 方法2：查看属性# print("a_t的图属性：\n", a_t.graph)# print("c_t的图属性：\n", c_t.graph)# 自定义图new_g = tf.Graph()# 在自己的图中定义数据和操作with new_g.as_default():a_new = tf.constant(20)b_new = tf.constant(30)c_new = a_new + b_newprint("c_new：\n", c_new)print("a_new的图属性：\n", a_new.graph)print("b_new的图属性：\n", b_new.graph)# 开启new_g的会话with tf.compat.v1.Session(graph=new_g) as sess:c_new_value = sess.run(c_new)print("c_new_value：\n", c_new_value)print("我们自己创建的图为：\n", sess.graph)return Noneif __name__ == "__main__":# 代码1：TensorFlow的基本结构# tensorflow_demo()# 代码2：图的演示graph_demo()python3 day01_deeplearning.pyTensorFlow加法运算结果：tf.Tensor(5, shape=(), dtype=int32)
5
default_g：<tensorflow.python.framework.ops.Graph object at 0x7f19806c4d68>
c_new：Tensor("add:0", shape=(), dtype=int32)
a_new的图属性：<tensorflow.python.framework.ops.Graph object at 0x7f19809f5748>
b_new的图属性：<tensorflow.python.framework.ops.Graph object at 0x7f19809f5748>
c_new_value：50
我们自己创建的图为：<tensorflow.python.framework.ops.Graph object at 0x7f19809f5748>说明：
（1）默认图执行结果是tf.Tensor(5, shape=(), dtype=int32)
（2）自定义图执行结果是Tensor("add:0", shape=(), dtype=int32)
（3）自定义图没有即时执行，需要开启Session指定图来执行
（4）可以看到默认图地址为0x7f19806c4d68，自定义图地址为0x7f19809f5748