机器学习系列------tensorflow的‘命名空间’

alltolove

        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()

        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

        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()

        输出为：False。如果想重置默认的graph，代码如下：

tf.reset_default_graph()

        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())

        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)

        以上2组代码都输出10和15，第二段代码效率高.

第五

新手路过