TensorFlow是一個通過計算圖的形式表述計算機的編程系統

TensorFlow程序一般分為兩個階段，第一個階段需要定義計算圖中所有的計算（變量）

第二個階段為執行計算

如以下代碼

import tensorflow as tf


# 第一階段定義所有的計算
a = tf.constant([1, 2], name=‘a‘)
b = tf.constant([1, 2], name=b‘)
result = a + b

# 第二階段，執行計算
# 創建一個會話
sess = tf.Session()
#運行會話執行計算
sess.run(result)
 
# 關閉會話
sess.close()

通過tf.get_default_graph函數可以獲取當前默認的計算圖，通過a.graph可以查看張量所屬的計算圖

如果沒有特意指定a.graph等於默認的計算圖，下面的代碼輸出為True

print（a.graph is tf.get_default_graph()）　　# 輸出為True

除了使用默認的計算圖，TensorFlow支持通過tf.Graph函數來生成新的計算圖，不同計算圖上的張量和運算不會共享

import tensorflow as tf


g1 = tf.Graph()
with g1.as default():
    
 
# 在計算圖g1中定義變量‘v‘,並設置初始值為0
    v = tf.get_variable(‘v‘, shap=[1], initializer=tf.zeros_initializer)

g2 = tf.Graph()
with g2.as default():
    # 在計算圖g1中定義變量‘v‘,並設置初始值為1
    v = tf.get_variable(‘v‘, shap=[1], initializer=tf.oness_initializer)


# 在計算圖g1中讀取變量‘v‘的取值
with tf.Session(graph=g1) as sess:
    tf.global_variables_initializer().run()
    with tf.variable_scope(
 
"", reuse=True):
        # 在計算圖g1中，變量v的取值應該為0，下面應輸出[0.]
        print(sess.run(tf.get_variable(‘v‘)))

# 在計算圖g2中讀取變量‘v‘的取值
with tf.Session(graph=g2) as sess:
　　# 初始化全局變量
    tf.global_variables_initializer().run()
    with tf.variable_scope("", reuse=True):
        # 在計算圖g2中，變量v的取值應該為1，下面應輸出[1.]
        print(sess.run(tf.get_variable(‘v‘)))

另外計算圖還可以通過tf.Graph.device函數指定運行的設備

g = tf.Graph()
# 指定計算運行設的設備，指定到gpu0上
with g.device(‘/gpu:0‘):
    result a + b

TensorFlow 計算模型 -- 計算圖