1、說明：tensorflow使用圖來定義計算,在session中來執行圖中定義的計算,如果沒有顯式的說明,那么session就跟默認的圖相關聯.graph 和 session應該是一一對應的.下面,舉例說明,session如果和graph不一一對應的話,會出現error

Operations on the Graph.    sess.run(init)    hi = sess.run(res)    import tensorflow as tf    def activation(e, f, g):      return e + f + g    with tf.Graph().as_default():    a = tf.constant([5, 4, 5], name='a')    b = tf.constant([0, 1, 2], name='b')    c = tf.constant([5, 0, 5], name='c')      res = activation(a, b, c)  說明：此段代碼描述的是,新增一張圖,然后在該圖上去定義操作,也就是目前我們有兩張圖,一張是系統自定義的圖.[python]%20view%20plain%20copy%20init = tf.initialize_all_variables()    with tf.Session() as sess:    # Start running operations on the Graph.    sess.run(init)    hi = sess.run(res)    print hi  說明：此段代碼,其實是描述的是,在默認的圖上去定義了初始化操作,然后想在默認圖上去執行res操作,注意res操作是在我們自定義的圖上的。所以,當然是會報錯的.

修改一：

[python]%20view%20plain%20copy%20import tensorflow as tf    def activation(e, f, g):      return e + f + g    with tf.Graph().as_default():    a = tf.constant([5, 4, 5], name='a')    b = tf.constant([0, 1, 2], name='b')    c = tf.constant([5, 0, 5], name='c')      res = activation(a, b, c)    init = tf.initialize_all_variables()    with tf.Session() as sess:    # Start running operations on the Graph.    sess.run(init)    #hi = sess.run(res)    #print hi  說明：這樣修改就沒問題,只在session上運行init操作,也就是在默認圖上執行session操作.

修改二：

[python]%20view%20plain%20copy%20import tensorflow as tf    def activation(e, f, g):      return e + f + g    with tf.Graph().as_default():    a = tf.constant([5, 4, 5], name='a')    b = tf.constant([0, 1, 2], name='b')    c = tf.constant([5, 0, 5], name='c')      res = activation(a, b, c)      init = tf.initialize_all_variables()      with tf.Session() as sess:      # Start running operations on the Graph.      sess.run(init)      hi = sess.run(res)      print hi  說明：把所有的操作都定義在我們指定的圖上面,并且,session也定義在縮進內,相當于該session只和我們定義的圖相關聯,只執行我們定義在圖內的操作,這樣就不會報錯.