tf.Graph().as_default() 详解

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