【TensorFlow】tf.reset_default_graph()函數

轉載  https://blog.csdn.net/duanlianvip/article/details/98626111

tf.reset_default_graph函數用於清除默認圖形堆棧並重置全局默認圖形。

1、無tf.reset_default_graph

import tensorflow as tf

# 執行完 with 里邊的語句之后，這個 conv1/ 和 conv2/ 空間還是在內存中的。這時候如果再次執行此代碼，就會再生成其他命名空間
with tf.name_scope('conv1') as scope:
    weights1 = tf.Variable([1.0, 2.0], name='weights')
    bias1 = tf.Variable([0.3], name='bias')
 
# 下面是在另外一個命名空間來定義變量的
with tf.name_scope('conv2') as scope:
    weights2 = tf.Variable([4.0, 2.0], name='weights')
    bias2 = tf.Variable([0.33], name='bias')
 
# 所以，實際上weights1 和 weights2 這兩個引用名指向了不同的空間，不會沖突
print(weights1.name)
print(weights2.name)
print(bias1.name)
print(bias2.name)

 

 在再次執行的過程中，都會在上一次執行的基礎生成新的張量。

2、有 tf.reset_default_graph()

import tensorflow as tf
tf.reset_default_graph()
# 執行完 with 里邊的語句之后，這個 conv1/ 和 conv2/ 空間還是在內存中的。這時候如果再次執行此代碼，就會再生成其他命名空間
with tf.name_scope('conv1') as scope:
    weights1 = tf.Variable([1.0, 2.0], name='weights')
    bias1 = tf.Variable([0.3], name='bias')
 
# 下面是在另外一個命名空間來定義變量的
with tf.name_scope('conv2') as scope:
    weights2 = tf.Variable([4.0, 2.0], name='weights')
    bias2 = tf.Variable([0.33], name='bias')
 
# 所以，實際上weights1 和 weights2 這兩個引用名指向了不同的空間，不會沖突
print(weights1.name)
print(weights2.name)
print(bias1.name)
print(bias2.name)

 

 無論執行多少次生成的張量始終不變。換句話說就是：tf.reset_default_graph函數用於清除默認圖形堆棧並重置全局默認圖形。