1.创建图
在tensorflow中，一个程序默认是建立一个图的，除了系统自动建立图以外，我们还可以手动建立图，并做一些其他的操作。
下面我们使用tf.Graph函数建立图，使用tf.get_default_graph函数来获取图，使用reset_default_graph对图进行重置。
代码语言：javascript复制import tensorflow as tf
import numpy as np
c = tf.constant(1.5)
g = tf.Graph()
with g.as_default():
c1 = tf.constant(2.0)
print(c1.graph)
print(g)
print(c.graph)
g2 = tf.get_default_graph()
print(g2)
tf.reset_default_graph()
g3 = tf.get_default_graph()
print(g3)上述的代码运行结果如下所示：
根据上述的运行结果，c是在刚开始的默认图中建立的，所以打印的结果就是13376A1FE10，和g2获取的默认图的值是一样的，然后使用tf.Graph建立了一个新的图，并添加了变量c1，最后又对图进行了重置，替代了原来的默认图。
在使用reset_default_graph()函数的时候，要保证当前图中资源都已经全部进行了释放，否则将会报错。
2.获取张量
我们可以在图中通过名字得到其对应的元素，比如获取图中的变量和OP等元素。
代码语言：javascript复制import tensorflow as tf
import numpy as np
g = tf.Graph()
with g.as_default():
c1 = tf.constant(2.5, name='c1_constant')
c2 = tf.Variable(1.5, dtype=tf.float32, name='c2_constant')
add = tf.multiply(c1, c2, name='op_add')
c_1 = g.get_tensor_by_name(name='c1_constant:0')
c_2 = g.get_tensor_by_name(name='c2_constant:0')
c_3 = g.get_tensor_by_name(name='op_add:0')
print(c_1)
print(c_2)
print(c_3)
在进行测试时，我们为元素添加了变量名，在设置变量名的时候，设置好的名字会自动添加后面的：0字符。一般我们可以将名字打印出来，在将打印好的名字进行回填。
3.获取节点操作
获取节点操作OP的方法和获取张量的方法非常类似，使用get_operation_by_name.下面是运行实例：
代码语言：javascript复制import tensorflow as tf
import numpy as np
a = tf.constant([[1.0, 2.0]])
b = tf.constant([[1.0], [3.0]])
tensor_1 = tf.matmul(a, b, name='matmul_1')
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
t1 = tf.get_default_graph().get_operation_by_name(name='matmul_1')
t2 = tf.get_default_graph().get_tensor_by_name(name='matmul_1:0')
print(t1)
print('t1: ', sess.run(t1))
print('t2: ', sess.run(t2))在上述的代码中，定义了一个OP操作，命名为matmul_1，在运行时我们将op打印出来，在使用名字后面加上：0我们就能得到OP运算的结果的tensor，注意这两者的区别。
我们还可以通过get_opreations函数获取图中的所有信息。此外，我们还可以使用tf.Grapg.as_graph_element函数将传入的对象返回为张量或者op。该函数具有验证和转换功能。
到此这篇关于TensorFlow使用Graph的基本操作的实现的文章就介绍到这了,更多相关TensorFlow Graph操作内容请搜索ZaLou.Cn以前的文章或继续浏览下面的相关文章希望大家以后多多支持ZaLou.Cn！
