A）tf.Graph.as_default()會建立一個新圖，這個圖成為當前執行緒的預設圖。

B)在相同程序中建立多個計算圖使用tf.Graph.as_default()。如果不建立新的計算圖，預設的計算圖將被自動建立。

C）如果建立一個新執行緒，想使用該執行緒的預設計算圖，使用tf.Graph.as_default()，這個函式返回一個上下文管理器（ context manager），它能夠在這個上下文裡面覆蓋預設的計算圖。在程式碼務必使用with。

# -*- coding: utf-8 -*-

"""

Spyder Editor

生成新的計算圖，並完成常量初始化

[程式碼1]

 
[email protected]

"""

import tensorflow as tf

g = tf.Graph()

with g.as_default():

  c = tf.constant(5.0)

  assert c.graph is g

  print "ok"

[程式碼2]

# -*- coding: utf-8 -*-

"""

Spyder Editor

生成新的計算圖，並完成常量初始化

 
[email protected]

"""

import tensorflow as tf

with tf.Graph().as_default() as g:

  c = tf.constant(5.0)

  assert c.graph is g

  print "ok"

[程式碼3]

# -*- coding: utf-8 -*-

"""

Spyder Editor

生成新的計算圖，並完成常量初始化

 
[email protected]

"""

import tensorflow as tf

with tf.Graph().as_default() as g:

  c = tf.constant(5.0)

  assert c.graph is g

  print "ok"

sess=tf.Session(graph=g)

print sess.run(c)

sess.close()

[程式碼4]

# -*- coding: utf-8 -*-

"""

Spyder Editor

生成新的計算圖，並完成常量初始化

[email protected]

"""

import tensorflow as tf

g=tf.get_default_graph()#預設計算圖會自動註冊

c = tf.constant(4.0)

result=c*c

assert result.graph is g#驗證是否result操作屬於g這個計算圖

print "ok1"

with tf.Graph().as_default() as g1:

  c = tf.constant(5.0)

  assert c.graph is g1

  print "ok2"

  assert c.graph is g

  print "ok3"

sess=tf.Session(graph=g1)

print sess.run(c)

sess.close()

執行：

輸出驗證失敗

ok1

ok2

....

assert c.graph is g

AssertionError

....

[程式碼5]

# -*- coding: utf-8 -*-

"""

Spyder Editor

生成新的計算圖，並完成常量初始化，在新的計算 圖中完成加法計算

[email protected]

"""

import tensorflow as tf

g1=tf.Graph()

with g1.as_default():

   value=[1.,2.,3.,4.,5.,6.]

   init = tf.constant_initializer(value)

   x=tf.get_variable("x",initializer=init,shape=[2,3])

   y=tf.get_variable("y",shape=[2,3],initializer=tf.ones_initializer())

   result=tf.add(x,y,name="myadd")

   

   assert result.graph is g1#驗證是否result操作屬於g1這個計算圖

   print "ok"

with tf.Session(graph=g1) as sess:

   tf.global_variables_initializer().run()

   with tf.variable_scope("",reuse=True):

       print(sess.run(tf.get_variable("x")))

       print(sess.run(tf.get_variable("y")))

   print(sess.run(result))