3.1 TensorFlow计算模型 --- 计算图-优快云博客

本文深入探讨了TensorFlow中计算图的概念，展示了如何在不同的计算图中定义和使用变量，以及如何在特定的计算图中初始化和读取变量的值。通过具体代码示例，读者可以了解计算图在实际编程中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　TensorFlow程序一般可以分为两个阶段。在第一个阶段需要定义计算图中的所有的计算。第二个阶段为执行计算。
　　在TensorFlow程序中，系统会自动维护一个默认的计算图，通过tf.get_default_graph函数可以获取当前默认的计算图。
　　除去使用默认的计算图，TensorFlow支持通过tf.Graph函数生成新的计算图。不同计算图上的张量和运算都不会共享。以下代码示意了如何在不同计算图上定义和使用变量。

import tensorflow as tf

g1 = tf.Graph()
with g1.as_default():
    #在计算图g1中定义变量"v",并设置初始值为0
    v = tf.get_variable("v", initializer = tf.zeros_initializer(shape = [1]))

g2 = tf.graph()
with g2.as_default():
    #在计算图g2中定义变量"v"，并设置初始值为1
    v = tf.get_variable("v", initializer = tf.ones_initializer(shape = [1]))

#在计算图g1中读取变量"v"的取值
with tf.Session(graph = g1) as sess:
    tf.initialize_all_variables().run()
    with tf.variable_scope("", reuse = True):
        #在计算图g1中，变量"v"的取值应该为0，所以下面这行会输出[0.]
        print(sess.run(tf.get_variable("v")))

#在计算图g2中读取变量“v”的取值
with tf.Session(graph = g2) as sess:
    tf.initialize_all_variables().run()
    with tf.variable_scope("", reuse = True):
        print(sess.run(tf.get_variable("v"))

转载于:https://www.cnblogs.com/CZT-TS/p/11234993.html