错误Tensor is not an element of this graph tensorflow

1、说明：tensorflow使用图来定义计算,在session中来执行图中定义的计算,如果没有显式的说明,那么session就跟默认的图相关联.graph 和 session应该是一一对应的.下面,举例说明,session如果和graph不一一对应的话,会出现error

[python] view plain copy

1. import tensorflow as tf  
2.   
3. def activation(e, f, g):  
4.   
5.   return e + f + g  
6.   
7. with tf.Graph().as_default():  
8.   a = tf.constant([5, 4, 5], name='a')  
9.   b = tf.constant([0, 1, 2], name='b')  
10.   c = tf.constant([5, 0, 5], name='c')  
11.   
12.   res = activation(a, b, c)  
13.   
14. init = tf.initialize_all_variables()  
15.   
16. with tf.Session() as sess:  
17.   # Start running operations on the Graph.  
18.   sess.run(init)  
19.   hi = sess.run(res)  
20.   print hi  

说明：运行该脚本会报错： is not an element of this graph。该错误的意思就是说操作不在图中,也就是和我们的session相关联的图中并没有该操作.why？

2、分析原因:

首先,tensorflow会为我们指定一张默认的图.然后sesssion会直接和该默认图相关联.除非我们自定义一张图.不然,我们的操作都是在那张默认图上的.然后我们分析报错的代码:

[python] view plain copy

1. import tensorflow as tf  
2.   
3. def activation(e, f, g):  
4.   
5.   return e + f + g  
6.   
7. with tf.Graph().as_default():  
8.   a = tf.constant([5, 4, 5], name='a')  
9.   b = tf.constant([0, 1, 2], name='b')  
10.   c = tf.constant([5, 0, 5], name='c')  
11.   
12.   res = activation(a, b, c)  

说明：此段代码描述的是,新增一张图,然后在该图上去定义操作,也就是目前我们有两张图,一张是系统自定义的图.

[python] view plain copy

1. init = tf.initialize_all_variables()  
2.   
3. with tf.Session() as sess:  
4.   # Start running operations on the Graph.  
5.   sess.run(init)  
6.   hi = sess.run(res)  
7.   print hi  

说明：此段代码,其实是描述的是,在默认的图上去定义了初始化操作,然后想在默认图上去执行res操作,注意res操作是在我们自定义的图上的。所以,当然是会报错的.

修改一：

[python] view plain copy

1. import tensorflow as tf  
2.   
3. def activation(e, f, g):  
4.   
5.   return e + f + g  
6.   
7. with tf.Graph().as_default():  
8.   a = tf.constant([5, 4, 5], name='a')  
9.   b = tf.constant([0, 1, 2], name='b')  
10.   c = tf.constant([5, 0, 5], name='c')  
11.   
12.   res = activation(a, b, c)  
13.   
14. init = tf.initialize_all_variables()  
15.   
16. with tf.Session() as sess:  
17.   # Start running operations on the Graph.  
18.   sess.run(init)  
19.   #hi = sess.run(res)  
20.   #print hi  

说明：这样修改就没问题,只在session上运行init操作,也就是在默认图上执行session操作.

修改二：

[python] view plain copy

1. import tensorflow as tf  
2.   
3. def activation(e, f, g):  
4.   
5.   return e + f + g  
6.   
7. with tf.Graph().as_default():  
8.   a = tf.constant([5, 4, 5], name='a')  
9.   b = tf.constant([0, 1, 2], name='b')  
10.   c = tf.constant([5, 0, 5], name='c')  
11.   
12.   res = activation(a, b, c)  
13.   
14.   init = tf.initialize_all_variables()  
15.   
16.   with tf.Session() as sess:  
17.     # Start running operations on the Graph.  
18.     sess.run(init)  
19.     hi = sess.run(res)  
20.     print hi  

说明：把所有的操作都定义在我们指定的图上面,并且,session也定义在缩进内,相当于该session只和我们定义的图相关联,只执行我们定义在图内的操作,这样就不会报错.