tf.graph为什么要加个as_default

我理解的原因参考自这两篇博客：

https://www.cnblogs.com/studylyn/p/9105818.html

https://blog.csdn.net/dcrmg/article/details/79028032

也就是as_default应用于有多个graph的场景，如果整个程序中只有一个graph，写法是这样的：

    a = tf.constant([1.0, 2.0])
    b = tf.constant([2.0, 1.0])
    result = a+b
    print('a.graph', a.graph)
    print('b.graph', b.graph)
    print('default_graph', tf.get_default_graph())

会发现三个输出是一样的，是同一个默认图

但是如果需要多个graph，写法是这样的：

    g1 = tf.Graph()
    g2 = tf.Graph()
    # 在计算图g1中定义张量和操作
    with g1.as_default():
        a = tf.constant([1.0, 1.0])
        b = tf.constant([1.0, 1.0])
        result1 = a + b
        print(a.graph, b.graph)
     
    with g2.as_default():
        a = tf.constant([2.0, 2.0])
        b = tf.constant([2.0, 2.0])
        result2 = a + b
        print(a.graph, b.graph)
     
     
    # 在g1计算图上创建会话
    with tf.Session(graph=g1) as sess:
        out = sess.run(result1)
        print('with graph g1, result: {0}'.format(out))
        print('default_graph', tf.get_default_graph())
     
    with tf.Session(graph=g2) as sess:
        out = sess.run(result2)
        print('with graph g2, result: {0}'.format(out))
        print('default_graph', tf.get_default_graph())

会发现这时输出的default_graph是不同值，每次操作都应该在default_graph上进行