快捷導(dǎo)航

TensorFlow使用Graph的基本操作的實(shí)現(xiàn)

更新時(shí)間：2020年04月22日 14:23:23 作者：Baby-Lily

這篇文章主要介紹了TensorFlow使用Graph的基本操作的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

1.創(chuàng)建圖

在tensorflow中，一個(gè)程序默認(rèn)是建立一個(gè)圖的，除了系統(tǒng)自動(dòng)建立圖以外，我們還可以手動(dòng)建立圖，并做一些其他的操作。

下面我們使用tf.Graph函數(shù)建立圖，使用tf.get_default_graph函數(shù)來獲取圖，使用reset_default_graph對(duì)圖進(jìn)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(yùn)行結(jié)果如下所示：

根據(jù)上述的運(yùn)行結(jié)果，c是在剛開始的默認(rèn)圖中建立的，所以打印的結(jié)果就是13376A1FE10，和g2獲取的默認(rèn)圖的值是一樣的，然后使用tf.Graph建立了一個(gè)新的圖，并添加了變量c1，最后又對(duì)圖進(jìn)行了重置，替代了原來的默認(rèn)圖。

在使用reset_default_graph()函數(shù)的時(shí)候，要保證當(dāng)前圖中資源都已經(jīng)全部進(jìn)行了釋放，否則將會(huì)報(bào)錯(cuò)。

2.獲取張量

我們可以在圖中通過名字得到其對(duì)應(yīng)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(jìn)行測(cè)試時(shí)，我們?yōu)樵靥砑恿俗兞棵?，在設(shè)置變量名的時(shí)候，設(shè)置好的名字會(huì)自動(dòng)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(jìn)行回填。

3.獲取節(jié)點(diǎn)操作

獲取節(jié)點(diǎn)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(yùn)行實(shí)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(gè)OP操作，命名為matmul_1，在運(yùn)行時(shí)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(yùn)算的結(jié)果的tensor，注意這兩者的區(qū)別。

我們還可以通過get_opreations函數(shù)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(shù)將傳入的對(duì)象返回為張量或者op。該函數(shù)具有驗(yàn)證和轉(zhuǎn)換功能。

到此這篇關(guān)于TensorFlow使用Graph的基本操作的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)TensorFlow Graph操作內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: