tf.reset_default_graph

原创已于 2022-07-07 16:23:35 修改 · 2.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow #人工智能

于 2022-07-06 13:02:15 首次发布

tensorflow 同时被 2 个专栏收录

17 篇文章

订阅专栏

TF1迁移到TF2

4 篇文章

订阅专栏

博客介绍了TF1版本下，执行操作时不断产生新张量的情况，添加tf.reset_default_graph()可在每次运行时清空变量，避免产生新张量。同时提醒该函数是tensorflow1的，需迁移到tensorflow2。

TF1版本下：

import tensorflow as tf

with tf.name_scope('conv1') as scope:#作用域conv1
    weights1 = tf.Variable([1.0, 2.0], name='weights')#定义变量
    bias1 = tf.Variable([0.3], name='bias')

with tf.name_scope('conv2') as scope:#作用域conv2
    weights2 = tf.Variable([4.0, 2.0], name='weights')#定义变量
    bias2 = tf.Variable([0.33], name='bias')
  
# weights1 和 weights2 这两个变量在两个作用域，不会冲突
print(weights1.name)
print(weights2.name)
print(bias1.name)
print(bias2.name)

执行三次：

# 第一次执行结果
conv1/weights:0
conv2/weights:0
conv1/bias:0
conv2/bias:0
 
# 第二次执行结果
conv1_1/weights:0
conv2_1/weights:0
conv1_1/bias:0
conv2_1/bias:0
 
# 第三次执行结果
conv1_2/weights:0
conv2_2/weights:0
conv1_2/bias:0
conv2_2/bias:0

会不断产生新的张量，加上tf.reset_default_graph()，在每次运行时会清空变量。

import tensorflow as tf
tf.reset_default_graph()
with tf.name_scope('conv1') as scope:#作用域conv1
    weights1 = tf.Variable([1.0, 2.0], name='weights')#定义变量
    bias1 = tf.Variable([0.3], name='bias')

with tf.name_scope('conv2') as scope:#作用域conv2
    weights2 = tf.Variable([4.0, 2.0], name='weights')#定义变量
    bias2 = tf.Variable([0.33], name='bias')
  
# weights1 和 weights2 这两个变量在两个作用域，不会冲突
print(weights1.name)
print(weights2.name)
print(bias1.name)
print(bias2.name)

执行三次：

# 第一次执行结果
conv1/weights:0
conv2/weights:0
conv1/bias:0
conv2/bias:0
 
# 第二次执行结果
conv1/weights:0
conv2/weights:0
conv1/bias:0
conv2/bias:0
 
# 第三次执行结果
conv1/weights:0
conv2/weights:0
conv1/bias:0
conv2/bias:0

不会产生新的张量。

【TensorFlow】tf.reset_default_graph()函数_duanlianvip的博客-CSDN博客_reset_default_graph

需要注意的是，tf.reset_default_graph是tensorflow1上的需要迁移到tensorflow2上，即

import tensorflow as tf #TF2版本
tf.compat.v1.reset_default_graph()