|
马上注册,结交更多好友,享用更多功能^_^
您需要 登录 才可以下载或查看,没有账号?立即注册
x
tensorflow的每一个变量和常量都有一个graph作为‘命名空间’,叫做default_graph,代码如下:
- import tensorflow as tf
- x1=tf.Variable(1)
- x1.graph is tf.get_default_graph()
复制代码
实际上系统将这个x1变量暂存在内存里,所以我说的命名空间是带引号的。如果我们想创建多个graph,要用下列代码:
- graph=tf.Graph()
- with graph.as_default():
- x2=tf.Variable(2)
- x2.graph is graph
复制代码
输出为:True。然后看看x2这个变量是否在环境默认的graph里:
- x2.graph is tf.get_default_graph()
复制代码
输出为:False。如果想重置默认的graph,代码如下:
tensorflow被设计成两部分,一部分就是graph,相当于我们建立模型。另外一部分叫Session,相当于执行这个模型。对于Session有个生命周期,当一个变量被initiallizer的时候生命周期开始,当Session被关闭的时候生命就结束了。我们看下列代码事例:
- w=tf.constant(3)
- x=w+2
- y=x+5
- z=x*3
- with tf.Session() as sess:
- print(y.eval())
- print(z.eval())
复制代码
w是常量,x,y,z是3个变量,在session里执行y的时候自动会先执行x和w,同样执行z的时候也会先执行x,w,所以x跟w各被执行了2次。代码效率会变低。如何让只执行一次呢,代码如下:
- with tf.Session() as sess:
- y_val,z_val=sess.run([y,z])
- print(y_val)
- print(z_val)
复制代码
以上2组代码都输出10和15,第二段代码效率高. |
|