关于tensorflow 数据流图

 图结构：数据（Tensor）+操作（operation）

1. 默认图：

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
def tensorflow_demo():
    """
    TensorFlow的基本结构
    :return:
    """
# #原生python加法运算

a = 3
b = 2
c = a + b
print("结果：\n",c)
# #TensorFlow实现加法运算
# # 图 在构建阶段，数据与操作执行步骤被描述为图；
# # 流程图：定义数据（张量Tensor）和操作（节点Op)
a_t = tf.constant(2)
b_t = tf.constant(3)
c_t = a_t + b_t
print("结果：\n",c_t)

#    # 开启会话 使用会话执行构建的图中操作
#    # 调用各方资源，将定义好的数据和操作运行起来
with tf.Session() as sess:
    c_t_value = sess.run(c_t)
    print("c_t_value:\n",c_t_value)
    # print("sess的图属性：\n",sess.graph)
    # return None

if __name__ == "__main__":
# #代码1：TensorFlow的基本结构
    tensorflow_demo()

 

查看默认图的方法

1. 调用方法：tf.get_default_graph()
2. 查看属性：.grapg(op\sess)

   import tensorflow as tf
   import os
   os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
   def tensorflow_demo():
       """
       TensorFlow的基本结构
       :return:
       """
   # #原生python加法运算
   
   a = 3
   b = 2
   c = a + b
   print("结果：\n",c)
   # #TensorFlow实现加法运算
   # # 图 在构建阶段，数据与操作执行步骤被描述为图；
   # # 流程图：定义数据（张量Tensor）和操作（节点Op)
   a_t = tf.constant(2)
   b_t = tf.constant(3)
   c_t = a_t + b_t
   print("结果：\n",c_t)
   
   
   def graph_demo():
       """
       图的演示
       :return:
       """
   # #TensorFlow实现加法运算
   a_t = tf.constant(2)
   b_t = tf.constant(3)
   c_t = a_t + b_t
   print("结果：\n",c_t)
   # 查看默认图
   # 1.调用方法
   default_g = tf.get_default_graph()
   print("default_g:\n", default_g)
   # 2.查看属性
   print("a_t的图属性：\n ", a_t.graph)
   print("b_t的图属性：\n ", b_t.graph)
   
   #    # 开启会话 使用会话执行构建的图中操作
   #    # 调用各方资源，将定义好的数据和操作运行起来
   with tf.Session() as sess:
       c_t_value = sess.run(c_t)
       print("c_t_value:\n",c_t_value)
       print("sess的图属性：\n",sess.graph)
       # return None
   
   if __name__ == "__main__":
   # #代码1：TensorFlow的基本结构
   #     tensorflow_demo()
   # 图的演示
       graph_demo()