Tensorflow-Graph构建

构建多图

正常构建多图

Tensorflow 可以通过以下方式构建多图，每一个图可以独立构建结构，只是要

# 第一种构建方式
g1 = tf.Graph()
# 第二种构建方式
tf.reset_default_graph()
g1 = tf.get_default_graph()

with g1.as_default():
    input = tf.ones((16, 32, 32, 3))
    out = slim.conv2d(input, 256, [3,3])


g2 = tf.Graph()
with g2.as_default():
    input = tf.ones((16, 32, 32, 3))
    out = slim.conv2d(input, 256, [3,3])

g1以及g1所属的out的graph是一致的，而g2以及g2所属的out的graph是一致的。如下图是某个tensor的所属graph

注意事项

** 然而如果某个操作的输入是基于另一幅图的，那么即使这个操作在该作用域下，该操作仍然属于另一幅图。比如采用tf.train.shuffle_batch作为输入，那么这个网络的所有操作都是和数据输入在一个图里。(此处困扰我很久，一直以为是网络构建的问题）**
如下面代码所示，这种情况下，out所属图和input应该一致，不收g=tf.Graph()的影响。

# 在另一个图里构建输入
input = tf.ones((16, 32, 32, 3))

g = tf.Graph()
with g.as_default():
    out = slim.conv2d(input, 256, [3,3])