tensorflow学习笔记--通过名称作用域组织数据流图

当节点多的时候就需要使用数据流图来控制op

# coding: utf-8

# In[1]:

import tensorflow as tf

# In[4]:

with tf.name_scope("Scope_A"):#名称作用域的基本用法是将OP添加到这个语句块里

a = tf.add(1,2,name="A_add")

b = tf.mul(a,3,name="A_mul")

# In[5]:

with tf.name_scope("Score_B"):

c = tf.add(4,5,name="B_add")

d = tf.mul(c,6,name="B_mul")

e = tf.add(b,d,name="output")

# In[6]:

#以上定义了两个名称作用域

# In[8]:

writer = tf.train.SummaryWriter('./name_score_1',

graph=tf.get_default_graph())

在name_scope_1目录下，

键入

tensorboard--logdir='./name_scope_1'

在浏览器输入localhost：6006就可以看到数据流图了

另外，名称区域也可以包含名称区域，同一颜色的名称区域代表这些名称区域有相同的OP设置

如：

graph = tf.Graph()

with graph.as_default():

in_1 = tf.placeholder(tf.float32,shape=[],name="input_a")

in_2 = tf.placeholder(tf.float32,shape=[],name="input_b")

const = tf.constant(3,dtype=tf.float32,name="statice_value")

with tf.name_scope("Transformation"):

with tf.name_scope("A"):

A_mul = tf.mul(in_1,const)

A_out = tf.sub(A_mul,in_1)

with tf.name_scope("B"):

B_mul = tf.mul(in_2,const)

B_out = tf.sub(B_mul,in_2)

with tf.name_scope("C"):

c_div = tf.div(A_out,B_out)

c_out = tf.add(c_div,const)

with tf.name_scope("D"):

D_div = tf.div(B_out,A_out)

D_out = tf.add(D_div,const)

out = tf.maximum(c_out,D_out)

writer = tf.train.SummaryWriter('./name_score_2',graph=graph)

writer.close()