3.1 TensorFlow计算模型 --- 计算图
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了3.1 TensorFlow计算模型 --- 计算图，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含963字，纯文字阅读大概需要2分钟。
内容图文
TensorFlow程序一般可以分为两个阶段。在第一个阶段需要定义计算图中的所有的计算。第二个阶段为执行计算。
在TensorFlow程序中，系统会自动维护一个默认的计算图，通过tf.get_default_graph函数可以获取当前默认的计算图。
除去使用默认的计算图，TensorFlow支持通过tf.Graph函数生成新的计算图。不同计算图上的张量和运算都不会共享。以下代码示意了如何在不同计算图上定义和使用变量。
import tensorflow as tf
g1 = tf.Graph()
with g1.as_default():
#在计算图g1中定义变量"v",并设置初始值为0
v = tf.get_variable("v", initializer = tf.zeros_initializer(shape = [1]))
g2 = tf.graph()
with g2.as_default():
#在计算图g2中定义变量"v"，并设置初始值为1
v = tf.get_variable("v", initializer = tf.ones_initializer(shape = [1]))
#在计算图g1中读取变量"v"的取值
with tf.Session(graph = g1) as sess:
tf.initialize_all_variables().run()
with tf.variable_scope("", reuse = True):
#在计算图g1中，变量"v"的取值应该为0，所以下面这行会输出[0.]
print(sess.run(tf.get_variable("v")))
#在计算图g2中读取变量“v”的取值
with tf.Session(graph = g2) as sess:
tf.initialize_all_variables().run()
with tf.variable_scope("", reuse = True):
print(sess.run(tf.get_variable("v"))
原文：https://www.cnblogs.com/CZT-TS/p/11234993.html
内容总结
以上是互联网集市为您收集整理的3.1 TensorFlow计算模型 --- 计算图全部内容，希望文章能够帮你解决3.1 TensorFlow计算模型 --- 计算图所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。