tensorflow编程基础之图的基本操作

建立图

概述：可以在一个tensorflow中手动建立其他的图，也可以根据图中的变量获得当前的图。下面代码演示了tf.Graph函数建立图，使用tf.get_default_graph函数获得图，以及使用tf.reset_default_graph的过程来重置图。
实例：

import numpy as np
import tensorflow as tf
c = tf.constant(0.0)
print("c.graph =",c.graph)
g = tf.Graph()
with g.as_default():
    c1 = tf.constant(0.0)
    print("c1.graph =",c1.graph)
    print("g =",g)

#获取默认图
g2 = tf.get_default_graph()
print("g2 =",g2)

#重置默认图
tf.reset_default_graph()
g3 = tf.get_default_graph()
print("g3 =",g3)

结果：
c.graph = <tensorflow.python.framework.ops.Graph object at 0x00000189ED63AE48>
c1.graph = <tensorflow.python.framework.ops.Graph object at 0x00000189FFF44F60>
g = <tensorflow.python.framework.ops.Graph object at 0x00000189FFF44F60>
g2 = <tensorflow.python.framework.ops.Graph object at 0x00000189ED63AE48>
g3 = <tensorflow.python.framework.ops.Graph object at 0x00000189FFF44B70>

分析：
观察结果我们知道，c和g2的图是一样的，c1和g是一样的，而g3由于重置了图，相当于新建了图，所以不一样。

获取张量

在图里面可以通过名字得到其对应的元素，例如，通过get_tensor_by_name可以获得图里面对应名字的张量。

print(c1.name)
t = g.get_tensor_by_name(name="Const:0")
print(t)

结果：
Const:0
Tensor(“Const:0”, shape=(), dtype=float32)

获取节点操作

API：get_operation_by_name

a = tf.constant([[1.0,2.0]])
b = tf.constant([[2.0],[3.0]])
#矩阵乘法运算
tensor1 = tf.matmul(a,b,name="exampleop")
print(tensor1.name,tensor1)
test = g3.get_tensor_by_name("exampleop:0")
print(test)

print(tensor1.op.name)
testop = g3.get_operation_by_name("exampleop")

with tf.Session() as sess:
    print(sess.run(test))

结果：
exampleop:0 Tensor(“exampleop:0”, shape=(1, 1), dtype=float32)
Tensor(“exampleop:0”, shape=(1, 1), dtype=float32)
exampleop
[[8.]]
分析：
tensor1 = tf.matmul(a,b,name=“exampleop”)并不是OP，而是张量。OP其实是描述张量中的运算关系，是通过访问张量的属性找到的。

获取元素列表

API:get_operations

print(g3.get_operations())

结果：
[<tf.Operation ‘const1’ type=Const>,
<tf.Operation ‘const2’ type=Const>,
<tf.Operation ‘exampleop’ type=MatMul>]