1.1 TensorFlow 计算图的使用

最新推荐文章于 2021-08-03 12:06:12 发布

讲故事的猫猫

最新推荐文章于 2021-08-03 12:06:12 发布

阅读量173

点赞数

分类专栏： tensorflow 文章标签： tensorflow

本文链接：https://blog.csdn.net/AaronPaul/article/details/116194916

版权

tensorflow 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

这篇博客介绍了TensorFlow的使用流程，包括定义计算图和执行计算。内容强调了默认计算图的概念，并展示了如何创建和操作不同的计算图。通过示例说明了在同一设备上不同计算图中的变量是隔离的，不会共享状态。此外，还提到了TensorFlow如何指定设备进行计算，如使用GPU。

摘要由CSDN通过智能技术生成

TensorFlow的使用一般分为两个阶段

1. 定义计算图中的所有计算

2. 执行计算

import tensorflow as tf
a = tf.constant([1.0,2.0],name='a')
b = tf.constant([2.0,3.0],name='b')
result = a + b

如果说我们没有指定计算图的话

张量就会存储到默认图中

print(a.graph is tf.get_default_graph())

可以用以上方法查询张量所属的图

Tensorflow支持生成新的计算图

不同计算图的张量和运算都是隔离的，不会共享

# 生成计算图1
g1 = tf.Graph()

with g1.as_default():
    # 在计算图1中定义 v 初始化为0
    v = tf.get_variable('v',shape=[1],initializer = tf.zeros_initializer)

# 生成计算图2
g2 = tf.Graph()
with g2.as_default():
    # 在计算图2中定义 v 初始化为1
    v = tf.get_variable('v',shape=[1],initializer = tf.ones_initializer)
    
# 在计算图1中读取变量v
with tf.Session(graph=g1) as sess:
    #执行初始化
    tf.global_variables_initializer().run()
    with tf.variable_scope('',reuse=True):
        print(sess.run(tf.get_variable('v')))
        
# 在计算图2中读取变量v
with tf.Session(graph=g2) as sess:
    #执行初始化
    tf.global_variables_initializer().run()
    with tf.variable_scope('',reuse=True):
        print(sess.run(tf.get_variable('v')))

tensorflow 可以指定运行设备，提供gpu计算

g = tf.Graph()
with g.device('/gpu:0'):
    result = a + b