tensorflow graph（圖）和session（會話）

以下運行環境: Ubuntu 18.04 LTS, tensorflow 1.8, python 3.6.5

 

tensorflow的tf.Graph是靜態的圖（對比eager execution），它表示模型的骨架，定義圖不需要輸入數據也不會執行運算

圖的創建和使用

# 創建圖
g_1 = tf.Graph()

# 在命名空間中構建圖
with g_1.as_default():
    pass

一個圖對應一個模型，盡量不要出現子圖。訓練模型時，整理代碼的一種常用方法是使用一個圖訓練模型，然后使用另一個圖對受訓模型進行評估或推理。在通常情況下，推理圖與訓練圖不同。

 

通過添加tf.Operation和tf.Tensor來構建tf.Graph

a = tf.constant(42.0, name='const1')
b = tf.constant(2.0, name='cosnt2')
c = tf.add(a, b, name='add1')

tf.constant(42.0, name='const1')創建名為const1的Operation並將該const1的結果作為返回值返回，其中const1用於生成值為42的scalar Tensor

tf.add(a, b, name='add1')創建名為add1的Operation並返回其結果，其中add1接收2個Tensor作為輸入

 

TensorFlow 使用tf.Session類來表示客戶端程序（通常為 Python 程序，但也提供了其他語言的類似接口）與 C++ 運行時之間的連接。

通過session執行圖

with tf.Session(graph=g_1) as sess:
    x = tf.placeholder(tf.float32, shape=[3])
    y = tf.square(x)
    fetch = [y]
    feed_dict = {
        x: [1.0, 2.0, 3.0]
    }
    print(sess.run(fetch, feed_dict))  # => "[1.0, 4.0, 9.0]"

 

使用tensorboard顯示圖

with tf.Session() as sess:
  writer = tf.summary.FileWriter("/tmp/log/...", sess.graph)

  # Perform your computation...
  for i in range(1000):
    sess.run(train_op)
    # ...

  writer.close()

在終端中輸入tensorboard --logdir='path'以啟動tensorboard

 

使用多個圖進行編程

g_1 = tf.Graph()
with g_1.as_default():
  # Operations created in this scope will be added to `g_1`.
  c = tf.constant("Node in g_1")

  # Sessions created in this scope will run operations from `g_1`.
  sess_1 = tf.Session()

g_2 = tf.Graph()
with g_2.as_default():
  # Operations created in this scope will be added to `g_2`.
  d = tf.constant("Node in g_2")

# Alternatively, you can pass a graph when constructing a session
# `sess_2` will run operations from `g_2`.
sess_2 = tf.Session(graph=g_2)

# Get the default graph.
g = tf.get_default_graph()