TensorFlow中tf.Graph()函数

最新推荐文章于 2023-01-28 17:11:22 发布

原创

最新推荐文章于 2023-01-28 17:11:22 发布 · 4.7k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#TensorFlow #计算图 #tf.Graph()函数

本文介绍了TensorFlow中的核心概念tf.Graph()，该函数用于创建计算图，并且可以通过tensorboard进行图形化展示。文章详细阐述了声明计算图的三种方式以及对graph的保存、调用和穿插调用等操作，强调了它在组织代码和可视化流程中的重要作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor(张量)意味着N维数组，Flow(流)意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。

TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域，对2011年开发的深度学习基础架构DistBelief进行了各方面的改进，它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow将完全开源，任何人都可以用。

tf.Graph()函数

tf.Graph() 函数非常重要，主要体现在两个方面

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

声明情况大体有三种

tensor:通过张量本身直接出graph

# -*- coding: utf-8 -*-  
import tensorflow as tf

c = tf.constant(4.0)

sess = tf.Session()
sess.run(tf.global_variables_initializer())
c_out = sess.run(c)
print(c_out)
print(c.graph == tf.get_default_graph())
print(c.graph)
print(tf.get_default_graph())

输出

4.0
True
<tensorflow.python.framework.ops.Graph object at 0x7f382f9ef110>
<tensorflow.python.framework.ops.Graph object at 0x7f382f9ef110>

通过声明一个默认的，然后定义张量内容，在后面可以调用或保存

# -*- coding: utf-8 -*-  
import tensorflow <

最低0.47元/天解锁文章

200万优质内容无限畅学