剖析TensorFlow中，图的奥秘

4.4  实例19：图的基本操作
前面接触了一些图的概念，这里来系统的了解一下TensorFlow中的图可以做哪些事情。
案例描述
(1) 演示使用三种方式来建立图，并依次设置为默认图，使用get_default_graph方法来获取当前默认图，验证默认图的设置生效。
(2) 演示获取图中相关内容的操作。
一个TensorFlow程序是默认建立一个图的，除了系统自动建图以外，还可以手动建立，并做一些其他的操作。
4.4.1  建立图
可以在一个TensorFlow中手动建立其他的图，也可以根据图里面的变量获得当前的图。
下面代码中演示了：使用tf.Graph()建立图，使用tf.get_default_graph()获得图，还有使用reset_default_graph()来重置图。

代码4-14  图的基本操作

上面代码运行结果如下显示：

可以看出，
（1）c是在刚开始的默认图中建立的，所以它的图的打印值就是原始的默认图的打印值923CCF8,
（2）后来使用tf.Graph()建立了一个图B854940，并且在新建的图里添加变量，可以通过变量的“.graph”获得所在的图。
（3）在新图B854940的作用域外，使用tf.get_default_graph()又获得了原始的默认图923CCF8。接着又使用了tf.reset_default_graph()函数，它相当于从新建了一张图来代替原来的默认图，这时默认的图变成了B8546D8。

4.4.2  获取张量
在图里面可以通过名字得到其对应的元素，例如，get_tensor_by_name可以获得图里面的张量。
在上个实例中添加代码如下。

代码4-14  图的基本操作（续）

该部分代码运行结果如下显示：

常量C1是在一个子图g中建立的。with tf.Graph() as default代码表示使用tf.Graph()来创建一个图，并在其上面定义OP，见代码第5、6行。
接着演示了如何访问该图中的变量：将c1的名字放到get_tensor_by_name里面来反向得到其张量（见代码第20行），通过对t的打印可以看到所得的t就是前面定义的张量c1。
注意：
不必太花精力去关注TensorFlow中默认的命名规则。一般在需要使用名字时，都会在定义的同时为它指定好固定的名字。如果真要不清楚某个元素的名字，将其打印出来，回填到代码中，再次运行即可。
4.4.3  获取操作符
获取操作符（Operation，OP）的方法和获取张量的方法非常类似,使用的方法是get_operation_by_name（）。下面将获取张量和获取OP的例子放在一起比较一下，具体见如下代码。

代码4-14  图的基本操作（续）

上面示例中，先将张量及其名字打印出来，然后使用g3图的get_tensor_by_name函数又获得到了该张量，此时test和tensor1是一样的。为了证明这一点，直接把test放到session的run里，发现它也能运行出正确的结果。
注意：
使用默认的图时，也可以用上述代码中的tf.get_default_graph()获取当前图，然后接着可以调用get_tensor_by_name获取元素。

上面代码运行后会显示如下信息：

再仔细看上例中的op，通过打印tensor1.op.name的信息，获得了op的名字，然后通过get_operation_by_name获得了相同的op，可以看出op与tensor1之间的对应关系。

4.4.4  获取元素列表
如果想看一下图中的全部元素，可以使用get_operations()来实现。具体代码如下。

代码4-14  图的基本操作（续）

运行后显示如下信息：

由于g里面只有一个常量，所以打印了一条信息。
4.4.5  获取对象
前面是多根据名字来获取元素，还可以根据对象来获取元素。使用tf.Graph.as_graph_element(obj, allow_tensor=True, allow_operation=True)函数，即，传入的是一个对象，返回一个张量或是一个op。该函数具有验证和转换功能，在多线程方面会偶尔用到。举例如下。

代码4-14  图的基本操作（续）

运行输出结果如下：

上述的代码是将自己传进来，返回的仍然是自己，只是名字由c1变成了tt3。

更多章节请购买《深入学习之 TensorFlow 入门、原理与进阶实战》 全本