博客

转自：

http://blog.sina.com.cn/s/blog_628cc2b70102yonj.html

tf.Graph()表示实例化一个用于tensorflow计算和表示用的数据流图，不负责运行计算。在代码中添加的操作和数据都是画在纸上的画，而图就是呈现这些画的纸。我们可以利用很多线程生成很多张图，但是默认图就只有一张。

tf中可以定义多个计算图，不同计算图上的张量和运算是相互独立的，不会共享。计算图可以用来隔离张量和计算，同时提供了管理张量和计算的机制。

1、使用g = tf.Graph()函数创建新的计算图

2、在with g.as_default():语句下定义属于计算图g的张量和操作

3、在with tf.Session()中通过参数graph=xxx指定当前会话所运行的计算图

4、如果没有显示指定张量和操作所属的计算图，则这些张量和操作属于默认计算图

5、一个图可以在多个sess中运行，一个ses也能运行多个图

操作示例：

# 默认计算图上的操作
a = tf.constant([1.0, 2.0])
b = tf.constant([2.0, 3.0])
result = a + b



# 定义两个计算图
g1 = tf.Graph()
g2 = tf.Graph()


# 在g1中定义张量和操作
with g1.as_default():
    a = tf.constant([1.0, 1.0])
    b = tf.constant([1.0, 1.0])
    result1 = a + b


# 在g2中定义张量和操作
with g2.as_default():
    a = tf.constant([2.0, 2.0])
    b = tf.constant([2.0, 2.0])
    result2 = a + b


# 创建会话
with tf.Session(graph=g1) as sess:
    out = sess.run(result1)
    print(out)


with tf.Session(graph=g2) as sess:
    out = sess.run(result2)
    print(out)


with tf.Session(graph=tf.get_default_graph()) as sess:
    out = sess.run(result)
    print(out)

返回：

[2.0, 2.0]

[4.0, 4.0]

[3.0, 5.0]