tensorflow系列之tf.graph

我们知道Tensorflow可看作是一个数据流图(Dataflow),由节点和边构成,其中节点表示一个操作,一条边表示一个Tensor,每个节点可以从自己的入边获取自己的输入,同时也可以产生输出通过自己的出边流向下一个节点,首先我们将介绍Tensorflow中的tf.Graph。
在我们通常的tensorflow程序中,会默认给我们构建一个图,我们可以通过:
tf.get_default_graph()
得到这个默认的图,因此我们所添加的各种操作(节点)都会默认加到这个图中。如下是不同创建图的方式:
图的构建
在这里需要注意的是,Graph类并不是线程安全的,所以,所有的操作都应该通过一个线程进行添加,或者需要做好同步机制。接下来介绍一些这个类中常见的方法:
1.向容器中添加元素
添加节点
注意add_to_collection和add_to_collections中并不是set数据结构,所有你是可以向里面添加key值相同的元素。
2.删除图中某个容器
删除节点
3.指定使用的设备
我们采用官方文档的例子:
指定设备号
对于device方法的参数,既可以是字符串,也可以是一个方法,也可以是None。
4.对于我们之前添加的collection,我们可以通过下面的方式获取collection中的内容
获取容器内容
5.获取命名空间 get_name_scope()
设定命名空间
注意,若name_scope那么重复了,tensorflow在内部通过unique_name()会对其进行处理从而保证其唯一性:
命名空间唯一性
6.获取图中Operation和Tensor
获取操作或张量

开发环境:
Python: 3.7
Tensorflow: r1.13

示例代码地址:https://github.com/jmsking/tensorflow-0-1.git
欢迎关注公众号【AIML_2018】
里面记录了自己在学习机器学习及深度学习的感悟,同时介绍了机器学习及深度学习的必备数学知识,希望大家一起进步。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值