一、摘要

二、多圖實現

import tensorflow as tf
import numpy as np
g1 = tf.Graph()  #建立圖1
g2 = tf.Graph()  #建立圖2
print('tf.get_default_graph()=',tf.get_default_graph())#獲取預設圖，並顯示基本資訊
print('g1                    =',g1)
print('g2                    =',g2)
print('------------------------------------')

with g1.as_default():#在with模組中，g1作為預設圖
    x_data = np.random.rand(100).astype(np.float32)#定義圖中具體操作
    y_data = x_data * 0.1 + 0.3
    W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
    b = tf.Variable(tf.zeros([1]))
    y = W * x_data + b
    loss = tf.reduce_mean(tf.square(y - y_data))
    print('num-of-trainable_variables=', len(tf.trainable_variables()), ' num-of-global_variables=',len(tf.global_variables()))#統計變數個數
    print('g1                    =',g1)
    print('tf.get_default_graph()=',tf.get_default_graph())
print('tf.get_default_graph()=',tf.get_default_graph())
W2 = tf.Variable(tf.random_uniform([1], -1.0, 1.0))#with模組外定義操作，比較模組內外變數個數變化情況
print('num-of-trainable_variables=',len(tf.trainable_variables()),' num-of-global_variables=',len(tf.global_variables()))
print('------------------------------------')
 

with g1.as_default():
    sess1 = tf.Session(graph=g1)
    print('sess1',sess1)
    init = tf.global_variables_initializer()
    sess1.run(init)
    train = tf.train.GradientDescentOptimizer(0.5).minimize(loss)
    for step in range(201):
        sess1.run(train)
        if step % 100 == 0:
            print(step, sess1.run(W), sess1.run(b))


with g2.as_default():
    w = tf.Variable(1.0)
    b = tf.Variable(1.5)
    wb=w+b
    sess2 = tf.Session(graph=g2)
    sess2.run(tf.global_variables_initializer())
print(sess2.run(wb))#定義並初始化後，可以在模組外執行
print('sess2',sess2)

由執行結果可以看出：在各自的圖下建立各自的會話進行計算各不干擾

博文就到此結束，看官若有疑問，歡迎留言！