开发者学堂课程【深度学习框架 TensorFlow 入门:图的介绍】学习笔记,与课程紧密联系,让用户快速学习知识。
课程地址:https://developer.aliyun.com/learning/course/773/detail/13538
图的介绍
目录:
一、什么是图结构
二、图相关操作
一、什么是图结构
图包含了一组 tf.Operation 代表的计算单元对象 和 tf.Tensor 代表的计算单元之间 流动的数据。
二、图相关操作
1、默认图
通常 TensorFlow 会默认帮我们创建一张图。
查看默认图的两种方法:
●通过调用 tf.get_ default_ graph()访问,要将操作添加到默认图形中,直接创建 OP 即可。
●op、ses s 都含有 graph 属性,默认都在一张图中
def graph_ demo( ):
#图的演示
a_t = tf.constant(10)
b_t = tf.constant(20)
#不提倡直接运用这种符号运算符进行计算
#更常用tensorf low提供的函数进行计算
#c_t=a_t+b_t
c_t = tf.add(a_ .t, b_ ,t)
print ("tensorflow实现加法运算: \n", c_t)
#获取默认图
default_g = tf.get_ default_ graph()
print("获取默认图: \n",default_g)
#数据的图属性
print("a_ t的graph:\n", a_ .t.graph)
print("b_ t的graph:\n", b_ .t.graph)
#操作的图属性
print("C_ t的graph:\n", c_ .t.graph)
#开启会话
with tf.Session() as sess:
sum_t = sess. run(c_t)
print("在sess当中的sum_ t:\n",sum_t)
#会话的图属性
print("会话的图属性: \n", sess.graph)
return None
2、创建图
·可以通辻 tf.Graph0 自定义创建图
·如果要在这张图中创建 OP,典型用法是使用 tf.Graph.as_defauit()上下文管理器
def graph_ demo( ) :
#图的演示
a_t = tf.constant(10)
b_t = tf.constant(20)
#不提倡直接运用这种符号运算符迸行计算
#更常用tensorflow提供的凾数迸行计算
#c_t=a_t+b_t
c_t = tf.add(a_ t, b_t)
print(" tensorflow实现加法运算: \n",c_t)
#获取默认图
default_g = tf.get_default\graph()
print ("获取默认图: \n",default_ g)
#数据的图属性
print("a_ t的graph:\n", a_t.graph)
print("b_ t的graph:\n", b_t.graph)
#操作的图属性
print("c _t的graph:\n", c_t. graph)
#开启会话
With tf.Session( ) as sess:
sum_t=sess.run(c_t)
print(“在sess当中的sum_t:\n",sum_t)
#会话的图属性
Print("会话的图属性:\n”;,sess.graph)
#不同的图之间不能互相访问
#sum_new=sess.run(new_c)
#print(“在sess当中的sum_new:\n",sum_new)
With tf.Session(graph=new_g)as sess2:
sum_new=sess2.run(new_c)
print(“在sess2当中的sum_new:\n",sum_new)
print("会话的图属性:\n",sess2.graph
#很少会同时开启不同的图,一般用默认的图就够了
return None
TensorFlow 有一个亮点就是,我们能看到自己写的程序的可视化效果,这个功能就是 Tensorboard。在这里我们先简单介绍一下其基本功能。