g = tf.Graph()非常重要,主要是
-
它可以通过tensorboard用图形化界面展示出来流程结构
-
它可以整合一段代码为一个整体存在于一个图中
A:在代码中的体现:
比如我们训练网络模型之后想要载入模型,如果在构建相同参数的时候,如果在构建变量名之前加上g = tf.Graph(),那么在新的网络中参数的变量名就可以当作是重新开始的。
例如在原始网络中:定义了三个placeholder参数,如下所示则x.name的参数名为Placeholder:0,然后保存模型
当载入上述的模型之后,如果在新的模型中创建参数之前没有使用g=tf.Graph()
则定义的新的placeholder的参数名如下,等于说接着原始模型的Placeholder续写的:
如果使用了g=tf.Graph(),则参数名如下所示:
但是在求的sess的时候要这样写