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_collection
得到集合里的值
get_collection_ref
不带ref后缀则返回copy,带的是返回引用
as_default
就是把当前图设为默认
as_graph_def
返回一个此图的序列化的图使其可以被import到别的图中
as_graph_element
返回某个元素,如果是图中的元素
colocate_with
返回一个上下文,与参数中给出的op共生
Container
返回一个上下文,包含参数给出的容器名。容器可以追踪到variable或者queues这种带状态的量,也可以被清理:tf.Session.reset() #stateful 带状态的
control_dependencies
控制依赖,参数数组中的op将优先保证存在。可以叠加使用,那就是与的操作,如果叠加一个None,会取消所有依赖
Device
设置图运行的device
Finalize
调用之后图中的op不会再被修改
get_name_scope
获取当前的命名空间,tf可以创建命名空间,在图中,可以用这个获取
get_operation_by_name
通过名字获取一个操作
get_operations
获取图中的所有操作
get_tensor_by_name
如名
gradient_override_map
返回一个上下文关系,使用重写的梯度计算方法
is_feedable
如名,传入的tensor是否feedable
is_fetchable
如名,传入的tensor or op是否fetchable
name_scope
创建一个层次化的命名空间 (hierarchical 层次化)
prevent_feeding
预防喂食!就是对传入的tensor禁止feed
prevent_fetching
就是对传入的op禁止fetch
unique_name
返回一个唯一命名,不常用
于是,我们把tensorflow有关graph的接口简单的过了一遍