一、数据流图
TensorFlow
计算,表示为数据流图
TensorFlow
中的所有计算都会被转化为计算图上的节点。
TensorFlow
是一个通过计算图的形式来表述计算的编程系统。
TensorFlow
中的每个计算都是计算图的一个节点,而节点之间的边描述了计算之间的依赖关系。
TensorFlow
的计算模型是有向图,采用数据流图 (Data Flow Graphs)
,其中每个节点代表一些函数或计算,而边代表了数值、矩阵或张量
数据流图是用于定义计算结构的。在 TensorFlow
中,数据流图本质上是一组链接在一起的函数,每个函数都会将其输出传递给 0 个、1 个或多个位于这个级联链上的其他函数
示例:点击参考
二、tf.Graph().as_default()
tf.Graph().as_default()
返回值:返回一个上下文管理器,这个上下管理器使用这个图作为默认的图
在TensorFlow程序中,系统会自动维护一个默认的计算图,通过tf.get_default_graph()
函数可以获取当前默认的计算图。
通过a.graph
可以查看张量所属的计算图。
如果你想在一个进程里创建多个图,可能会用到这个方法
如果没有显式创建一个图的话,系统提供了一个全局默认的图,默认把所有的操作都添加到全局默认图中。
配合 with 关键词使用,可以只把 with 块里的操作添加到默认图中。
默认图是当前线程的一个属性,如果你创建了一个新的线程,想使用全局默认图,必须显式调用这个方法
三、为什么要写 .as_default()
比如下面的例子,目的是将这个图设置为默认图,会话设置成默认对话,这样的话在with语句的外面也能使用这个会话执行。
比如下面的例子
def train():
with self.graph.as_default():
with self.sess.as_default():
trainStep()
def trainStep():
self.sess.run(loss)
#如果没有.as_default()操作就会报错,
#因为普通的会话只有在with语句里面上下文管理器里面有效,出去的而话默认有sess.close()操作。
#但是as_default()以后就可以在外面使用。
tf.Session()创建一个会话,当上下文管理器退出时会话关闭和资源释放自动完成。
tf.Session().as_default()创建一个默认会话,当上下文管理器退出时会话没有关闭,还可以通过调用会话进行run()和eval()操作
TensorFlow的计算图不仅仅可以用来隔离张量和计算,它还提供了管理张量和计算的机制
计算图可以通过 tf.Graph.device
函数来指定运行计算的设备
g = tf.Graph()
# 指定计算运行的设备
with g.device('/gpu:0'):
result = a + b
有效整理TensorFlow 程序的资源也是计算图的一个重要功能
参考:
【1】http://www.360doc.com/content/17/0414/16/10408243_645595453.shtml
【2】https://www.cnblogs.com/q735613050/p/7632792.html
【3】https://www.jianshu.com/p/614821bba976