Tensorflow 如何理解sess.as_default（）和sess.graph.as_default（）？

我读了报纸

注意：默认会话是当前线程的属性。如果创建一个新线程，并希望在该线程中使用默认会话，则必须在该线程的函数中显式添加一个with sess.as_default（）

我的理解是，如果在创建新线程时还有两个会话，那么我们必须设置一个会话来在其中运行TensorFlow代码。因此，要做到这一点，需要选择一个会话并调用

as_default（）

注意：使用sess.as_default（）输入a：块不会影响当前默认图形。如果正在使用多个图形，并且sess.graph与tf.get_default_graph的值不同，则必须显式输入一个with sess.graph.as_default（）：block以使sess.graph成为默认图形

在

sess.as\u default（）

块中，要调用特定的图，必须调用

sess.graph.as\u default（）

来运行图？

API提到在会话中启动图。以下代码说明了这一点：

将tensorflow导入为tf
graph1=tf.Graph（）
graph2=tf.Graph（）
使用graph1.as_default（）作为图形：
a=tf.constant（0，name='a'）
graph1_init_op=tf.global_variables_initializer（）
使用graph2.as_default（）作为图形：
a=tf.constant（1，name='a'）
graph2_init_op=tf.global_variables_initializer（）
sess1=tf.Session（graph=graph1）
sess2=tf.Session（图=graph2）
sess1.run（graph1_init_op）
sess2.run（graph2_init_op）
#两个张量名称都是一个！
打印（sess1.run（graph1.get_tensor_by_name（'a:0'））35;打印0
打印（sess2.run（graph2.get_tensor_by_name（'a:0'））35;打印1
使用sess1.as_default（）作为sess：
打印（sess.run（sess.graph.get_tensor_by_name（'a:0'））35;打印0
使用sess2.as_default（）作为sess：
打印（sess.run（sess.graph.get_tensor_by_name（'a:0'））35;打印1
使用graph2.as_default（）作为g：
使用sess1.as_default（）作为sess：
打印（tf.get_default_graph（）==graph2）#打印为真
打印（tf.get_default_session（）==sess1）#打印为真
#这是一条有趣的线路
打印（sess.run（sess.graph.get_tensor_by_name（'a:0'））35;打印0
打印（sess.run（g.get_tensor_by_name（'a:0'））#失败
打印（tf.get_default_graph（）==graph2）#打印错误
打印（tf.get_default_session（）=sess1）#打印错误

运行图形不需要调用

sess.graph.as_default（）

，但需要在图形中获得正确的张量或操作才能运行它。上下文允许您使用

tf.get\u default\u graph

或

tf.get\u default\u session

获取图形或会话

在上面有趣的一行中，默认会话是

sess1

，它隐式调用

sess1.graph

，这是

sess1

中的图形，即

graph1

，因此它打印0

---

在接下来的一行中，它失败了，因为它试图在

graph2

中使用

sess1

运行一个操作。答案非常清楚，我忘记接受你的答案了。抱歉。通常，我们定义一个模型进行训练，另一个模型进行测试/验证（没有一些层，比如Drop）。我们需要显式地分离这两类图吗？在许多例子中，我看不到两个图的用法。但在阅读了您的答案之后，我认为有必要定义两个对应于训练图和测试/有效图的图。我们需要这样做吗？@skytree在tensorflow estimator中，您将看到使用不同模式调用

model\u fn

以获得不同图形的示例。