TensorFlow学习(二）——Graph可视化

TensorFlow使用数据流图实现计算任务，有的图比较简单，仅包含少量的节点和张量，但现实中的模型往往比较复杂，包含众多的节点和参数。这次，就需要创建多个数据流图，并使用名称作用域（name scope）来组织数据流图，同时，也方便使用TensorBoard对graph进行可视化。

（1）创建Graph对象

在一般的TensorFlow程序中，会使用默认的数据流图。当模型比较复杂时，就需要创建多个流图协同工作。

import tensorflow as tf

#获取默认数据流图
default_graph = tf.get_default_graph()

#创建一个新的数据流图
g = tf.Graph()

with g.as_default():
	# 将操作添加到默认的graph中
	a = tf.add(2,3)

（2）名称作用域

名称作用域本质上就是将op划分到多个不同、有名称的语句块中，方便可视化。

# 定义名称作用域A
with tf.name_scope('A'):
    A_mul = tf.multiply(in_1