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