Tensorflow源码解析3 -- TensorFlow核心对象 - Graph

最新推荐文章于 2023-01-28 17:11:22 发布

谢杨易

最新推荐文章于 2023-01-28 17:11:22 发布

阅读量2.1w

点赞数 9

分类专栏：深度学习：搜索推荐、NLP、机器学习等文章标签： tensorflow graph 图节点边

本文链接：https://blog.youkuaiyun.com/u013510838/article/details/84139986

版权

深度学习：搜索推荐、NLP、机器学习等专栏收录该内容

61 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨TensorFlow的核心对象Graph，包括其在计算流程中的关键作用、默认图的管理、前后端数据结构及运行时生命周期。Graph作为TensorFlow计算的基础，涉及图的构建、剪枝、分裂和执行等多个环节，对于理解和优化TensorFlow程序至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

系列文章，欢迎阅读
NLP预训练模型1 – 综述
 NLP预训练模型2 – BERT详解和源码分析
 Transformer家族1 – Transformer详解和源码分析

 Tensorflow源码解析1 – 内核架构和源码结构
 Tensorflow源码解析2 – 前后端连接的桥梁 - Session
Tensorflow源码解析3 – TensorFlow核心对象 - Graph
Tensorf

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

谢杨易

关注关注

9
点赞
踩
14

收藏

觉得还不错? 一键收藏
12
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

Tensorflow源码解析1 -- 内核架构和源码结构

谢杨易的博客

11-15

3万+

1 主流深度学习框架对比当今的软件开发基本都是分层化和模块化的，应用层开发会基于框架层。比如开发Linux Driver会基于Linux kernel，开发Android app会基于Android Framework。深度学习也不例外，框架层为上层模型开发提供了强大的多语言接口、稳定的运行时、高效的算子，以及完备的通信层和设备层管理层。因此，各大公司早早的就开始了深度学习框架的研发，以便能占领...

Tensorflow源码解析6 -- TensorFlow本地运行时

热门推荐

谢杨易的博客

11-18

2万+

1 概述 TensorFlow后端分为四层，运行时层、计算层、通信层、设备层。运行时作为第一层，实现了session管理、graph管理等很多重要的逻辑，是十分关键的一层。根据任务分布的不同，运行时又分为本地运行时和分布式运行时。本地运行时，所有任务运行于本地同一进程内。而分布式运行时，则允许任务运行在不同机器上。 Tensorflow的运行，通过session搭建了前后端沟通的桥梁，前端几乎所有...

12 条评论您还未登录，请先登录后发表或查看评论

TensorFlow 基础

weixin_34208185的博客

10-06

135

1 计算模型 —— 计算图（Graph） TensorFlow 中的所有计算都会被转化为计算图上的节点。TensorFlow 是一个通过计算图的形式来表述计算的编程系统。TensorFlow中的每个计算都是计算图的一个节点，而节点之间的边描述了计算之间的依赖关系。 1.1 计算图的使用定义计算图的所有节点；执行计算。 1.1.1 使用默认图在T...

tensorflow 之 graph

kangshuangzhu的博客

01-28

840

首先看graph 的初始化，tensorflow::Graph是一个类，定义和初始化的方法都在tensorflow/core/graph/graph.cc 和 tensorflow/core/graph/graph.h。本节介绍tensorflow中的graph，在c_api.cc 中有创建graph的例子，可以从这个为切入点，探索graph的使用。通过调用TF_Graph来创建一个图，TF_Graph的定义在tensorflow/c/c_api_internal.h。

Tensorflow: Graph

qq_39037910的博客

06-04

1486

import tensorflow as tf1. 概述Tensorflow中的运算过程, 会被表示成一个图, 由一些列的op(操作对象)作为节点组成. Tensor对象作为数据节点在op起到连接作用. 在程序运行的开始就会自动的有默认的图的生成.print(tf.get_default_graph()) a = tf.constant(1.0) print(a.graph) ''' 结果: <te

tensorflow之图(graph)

wyg_031113的专栏

05-01

1661

tensorflow graph function model

tensorflow：图（Graph）

shuijinghua的博客

03-06

329

tensorflow作为一个基于图结构的深度学习框架，内部通过session实现图和计算内核的交互，tf.Graph.as_default()：一个将某图设置为默认图，并返回一个上下文管理器，常与 with 结构相搭配；g = tf.Graph() with g.as_default(): # Define operations and tensors in `g`. c = tf.con...

Tensorflow源码解析2 -- 前后端连接的桥梁 - Session

谢杨易的博客

11-15

1万+

1 Session概述 Session是TensorFlow前后端连接的桥梁。用户利用session使得client能够与master的执行引擎建立连接，并通过session.run()来触发一次计算。它建立了一套上下文环境，封装了operation计算以及tensor求值的环境。 session创建时，系统会分配一些资源，比如graph引用、要连接的计算引擎的名称等。故计算完毕后，需要使用ses...

Tensorflow源码解析7 -- TensorFlow分布式运行时

谢杨易的博客

11-18

1万+

1 概述 TensorFlow架构设计精巧，在后端运行时这一层，除了提供本地运行时外，还提供了分布式运行时。通过分布式训练，在多台机器上并行执行，大大提高了训练速度。前端用户通过session.run()启动系统执行时，target默认为空字符串&quot;&quot;，对应的是本地运行模式。若target以&quot;grpc://&quot;开头，则对应的是分布式运行模式，target指定了要连接的TensorFlow执行引擎。分...

tensorflow接口之Graph

New hope

02-01

401

Tensorflow Graph tensorflow graph都有哪些接口呢，让我们对着文档看一看图由大量的op操作组成，对op的运行进行组织。 add_to_collection(s) 把值存到集合中,可以加s，把值存到多个容器中 clear_collection 根据名字清理集合 get_all_collection_keys 获取所有集合的名字 get_collect

1.Tensorflow计算图Graph

weixin_45295666的博客

09-01

340

1.创建graph： # Rigester own graph g = tf.Graph() 2. 往graph里添加操作节点op：默认往tensorflow自带的graph里添加op： # 这里已经包含了创建graph这一步，只不过用的是tf自带的graph # add ops to the default graph a = tf.constant(3) 往我们自己注册的graph里添加op（包含步骤1）： # 1.创建自己的graph（把graph的句柄赋给g） g = tf.Graph() #

tensorflow || 2. tensorflow框架实现的Graph总结

magic_ll的博客

06-11

927

1. Graph 在tensorflow官方文档中，Graph被定义为“一些Operation和Tensor的集合”。我们使用的python代码表达的计算，就会生成一张图。并在tensorboard中可视化 import tensorflow as tf Bgraph = tf.Graph() # 创建一个图Bgraph with Bgraph.as_default(): # 将Bgraph图设为当默认图 Bdata1 = tf.placeholder(tf.float32, name="

Tensorflow-Graph构建

劲草浅躬行

08-24

409

构建多图正常构建多图 Tensorflow 可以通过以下方式构建多图，每一个图可以独立构建结构，只是要 # 第一种构建方式 g1 = tf.Graph() # 第二种构建方式 tf.reset_default_graph() g1 = tf.get_default_graph() with g1.as_default(): input = tf.ones((16, 32, 32, 3)) out = slim.conv2d(input, 256, [3,3]) g2 = tf.Gra

【转载】tensorflow之graph

zhzxlcc的博客

04-12

278

图（graph）对于理解tensorflow程序的结构十分重要，是tensorboard的重要组成部分，今天主要记录自己在学习图的使用过程中的一些心得。一、认识图中的基本元素要使用图，我们首先要理解图中的一些基本的元素。 1）命名空间这个叫tf.name_scope，是tensorflow中层次较高的节点（node）。 2）操作符节点这个叫OpNode，他代表一个操作，或者说是运算，...

TensorFlow Graph 操作

不忘初心~

08-09

1398

TensorFlow Graph 操作

学习TensorFlow，TensorBoard可视化网络结构和参数

weixin_30871905的博客

01-11

460

在学习深度网络框架的过程中，我们发现一个问题，就是如何输出各层网络参数，用于更好地理解，调试和优化网络？针对这个问题，TensorFlow开发了一个特别有用的可视化工具包：TensorBoard，既可以显示网络结构，又可以显示训练和测试过程中各层参数的变化情况。本博文分为四个部分，第一部分介绍相关函数，第二部分是代码测试，第三部分是运行结果，第四部分介绍相关参考资料。一. 相关函数TensorBo...

TensorFlow——Graph的基本操作

weixin_30824599的博客

06-01

216

1.创建图在tensorflow中，一个程序默认是建立一个图的，除了系统自动建立图以外，我们还可以手动建立图，并做一些其他的操作。下面我们使用tf.Graph函数建立图，使用tf.get_default_graph函数来获取图，使用reset_default_graph对图进行重置。 import tensorflow as tf import numpy as np c...

Tensorflow之核心教程

baidu_15113429的博客

06-06

845

TensorFlow核心教程导入Tensorflow TensorFlow程序的规范导入声明如下：import tensorflow as tf这使Python可以访问TensorFlow的所有类，方法和符号。大多数文档假定您已经完成了。计算图您可能会认为TensorFlow Core程序由两个独立部分组成：1.构建计算图。 2.运行计算图。计算图形是一系列排列成节点的图形Tenso

Tensorflow核心要点

越努力越幸运—liupu

01-17

480

TensorFlow与别的框架不同之处就是它按照当前存在的计算图来进行计算，而不是传统的按照我们的代码的顺序来执行计算，个人觉得这个才是理解TensorFlow的核心要点。在tensorflow中，是以计算图的方式来求值的，计算图在代码首次执行的时候就构建好了并存在内存中，因此之后调用sess.run求值都是根据当前存在的计算图来求的，且按照节点之间的依赖关系往前推导其依赖值，直到所有...