没有指定Graph的时候使用的是默认的
import tensorflow as tf
print(a.graph is tf.get_default_graph())
不同的Graph中张量计算是隔离的
import tensorflow as tf
li1=tf.Graph()
with li1.as_default():
v1=tf.get_variable("v1", tf.zeros_initializer(shape=[1]))
with tf.Session(graph=li1) as session1:
tf.initialize_all_variables().run()
with tf.variable_scope("",reuse=True):
print(sssion1.run(tf.get_variable("v1")))
li2=tf.Graph()
with li2.as_default():
v1=tf.get_variable("v1", tf.zeros_initializer(shape=[1]))
with tf.Session(graph=li2) as session2:
tf.initialize_all_variables().run()
with tf.variable_scope("",reuse=True):
print(sssion2.run(tf.get_variable("v1")))
Graph可以指定那个cpu运行
import tensorflow as tf
g=tf.Graph()
with g.device('/gpu:0'):
realut=a+b
Tensor的属性解析
import tensorflow as tf
a=tf.constant([1.0,2.0],name='a')
b=tf.constant([2.0,3.0],name='b')
result=tf.add(a,b,name='lijun')
print(result)
Tensor("lijun:0", shape=(2,), dtype=float32)
Tensor(节点名称：第几个结果，维度，属性)
属性：属性不同的张量tf会检验报错
import tensorflow as tf
a=tf.constant([1,2],name='a')
b=tf.constant([2.0,3.0],name='b')
result=tf.add(a,b,name='lijun')
print(result)-----------------------error
这时候可以显示指定
import tensorflow as tf
a=tf.constant([1,2],name='a',dtype=tf.float32)
b=tf.constant([2.0,3.0],name='b')
result=tf.add(a,b,name='lijun')
print(result)
Session有2种调用方式，显示调用，python上下文调用
显示调用
session=tf.Session()
session.run(...)
session.close()
python 上下文调用
with tf.Session() as session:
session.run(...)
2者的区别：显示调用可能由于程序异常不能closesession,上下文交给python上下文管理器解决这个问题
http://playground.tensorflow.org
ml chapter2Graph+
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 版本记录 前言 目前世界上科技界的所有大佬一致认为人工智能是下一代科技革命，苹果作为科技界的巨头，当然也会紧跟新的...
- 上篇中我们已经生成了一个 Core ML 模型文件：HousePricer.mlmodel，本篇将介绍如何将文件引...
- 本文是一篇译文原文地址：A Beginner’s Guide to Core ML Tools: Converti...
