TensorFlow——Graph的基本操作

1.創建圖

在tensorflow中，一個程序默認是建立一個圖的，除了系統自動建立圖以外，我們還可以手動建立圖，並做一些其他的操作。

下面我們使用tf.Graph函數建立圖，使用tf.get_default_graph函數來獲取圖，使用reset_default_graph對圖進行重置。

import tensorflow as tf
import numpy as np


c = tf.constant(1.5)
g = tf.Graph()

with g.as_default():

    c1 = tf.constant(2.0)
    print(c1.graph)
    print(g)
    print(c.graph)

g2 = tf.get_default_graph()
print(g2)

tf.reset_default_graph()
g3 = tf.get_default_graph()
print(g3)

上述的代碼運行結果如下所示：

根據上述的運行結果，c是在剛開始的默認圖中建立的，所以打印的結果就是13376A1FE10，和g2獲取的默認圖的值是一樣的，然后使用tf.Graph建立了一個新的圖，並添加了變量c1，最后又對圖進行了重置，替代了原來的默認圖。

在使用reset_default_graph()函數的時候，要保證當前圖中資源都已經全部進行了釋放，否則將會報錯。

2.獲取張量

我們可以在圖中通過名字得到其對應的元素，比如獲取圖中的變量和OP等元素。

import tensorflow as tf
import numpy as np

g = tf.Graph()

with g.as_default():
    c1 = tf.constant(2.5, name='c1_constant')
    c2 = tf.Variable(1.5, dtype=tf.float32, name='c2_constant')
    add = tf.multiply(c1, c2, name='op_add')

    c_1 = g.get_tensor_by_name(name='c1_constant:0')
    c_2 = g.get_tensor_by_name(name='c2_constant:0')
    c_3 = g.get_tensor_by_name(name='op_add:0')


    print(c_1)
    print(c_2)
    print(c_3)
    

在進行測試時，我們為元素添加了變量名，在設置變量名的時候，設置好的名字會自動添加后面的：0字符。一般我們可以將名字打印出來，在將打印好的名字進行回填。

3.獲取節點操作

獲取節點操作OP的方法和獲取張量的方法非常類似，使用get_operation_by_name.下面是運行實例：

import tensorflow as tf
import numpy as np

a = tf.constant([[1.0, 2.0]])
b = tf.constant([[1.0], [3.0]])

tensor_1 = tf.matmul(a, b, name='matmul_1')

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    t1 = tf.get_default_graph().get_operation_by_name(name='matmul_1')
    t2 = tf.get_default_graph().get_tensor_by_name(name='matmul_1:0')
    print(t1)
    print('t1: ', sess.run(t1))
    print('t2: ', sess.run(t2))

在上述的代碼中，定義了一個OP操作，命名為matmul_1，在運行時我們將op打印出來，在使用名字后面加上：0我們就能得到OP運算的結果的tensor，注意這兩者的區別。

我們還可以通過get_opreations函數獲取圖中的所有信息。此外，我們還可以使用tf.Grapg.as_graph_element函數將傳入的對象返回為張量或者op。該函數具有驗證和轉換功能。