在TensorFlow中使用多个图

有人可以向我解释如何name_scope在 TensorFlow 中工作吗？

假设我有以下代码：

import tensorflow as tf

g1 = tf.Graph()
with g1.as_default() as g:
    with g.name_scope( "g1" ) as scope:
        matrix1 = tf.constant([[3., 3.]])
        matrix2 = tf.constant([[2.],[2.]])
        product = tf.matmul(matrix1, matrix2)

tf.reset_default_graph()

g2 = tf.Graph()
with g2.as_default() as g:
    with g.name_scope( "g2" ) as scope:
        matrix1 = tf.constant([[4., 4.]])
        matrix2 = tf.constant([[5.],[5.]])
        product = tf.matmul(matrix1, matrix2)

tf.reset_default_graph()

with tf.Session( graph = g1 ) as sess:
    result = sess.run( product )
    print( result )

当我运行此代码时，我收到以下错误消息：

Tensor Tensor("g2/MatMul:0", shape=(1, 1), dtype=float32) is not an element of this graph.

我同意“g2/MatMul”不是图的元素g1，但是当会话图设置为时为什么选择“g2/MatMul”g1？为什么不选择“ G1/Matmul”？

Edit

以下代码似乎有效：

import tensorflow as tf

g1 = tf.Graph()
with g1.as_default() as g:
    with g.name_scope( "g1" ) as g1_scope:
        matrix1 = tf.constant([[3., 3.]])
        matrix2 = tf.constant([[2.],[2.]])
        product = tf.matmul( matrix1, matrix2, name = "product")

tf.reset_default_graph()

g2 = tf.Graph()
with g2.as_default() as g:
    with g.name_scope( "g2" ) as g2_scope:
        matrix1 = tf.constant([[4., 4.]])
        matrix2 = tf.constant([[5.],[5.]])
        product = tf.matmul( matrix1, matrix2, name = "product" )

tf.reset_default_graph()

use_g1 = False

if ( use_g1 ):
    g = g1
    scope = g1_scope
else:
    g = g2
    scope = g2_scope

with tf.Session( graph = g ) as sess:
    tf.initialize_all_variables()
    result = sess.run( sess.graph.get_tensor_by_name( scope + "product:0" ) )
    print( result )

通过翻转开关use_g1, graph g1 or g2将在会话中运行。这是名称范围的工作方式吗？

Your product是一个全局变量，并且您已将其设置为指向“g2/MatMul”。

尤其

Try

print product

你会看到

Tensor("g2/MatMul:0", shape=(1, 1), dtype=float32)

所以系统采取"g2/MatMul:0"因为这是张量的名称，并尝试在图中找到它g1因为那是您为会话设置的图表。顺便说一下，你可以看到图中的所有节点print [n.name for n in g1.as_graph_def().node]

一般来说，使用多个图表很少有用。您无法合并它们，也无法在它们之间传递张量。我建议只是做

tf.reset_default_graph()
a = tf.Constant(2)
sess = tf.InteractiveSession()
....

这样，您将拥有一个默认图表和一个默认会话，并且在大多数情况下您可以省略指定图表或会话。如果您需要明确引用它们，您可以从tf.get_default_graph() or tf.get_default_session()