Tensorflow 连接两个图

假设我有两个不同的图： 第一个包含x和y： x=tf.placeholder（tf.float32，shape=（1））， y=2*x， 第二个包含a和b： a=tf.placeholder（tf.float32，shape=（1））， b=2*x

现在，我想通过在y和a之间添加一些“标识链接”来连接这两个图。换句话说，我想告诉第二个图从第一个图（y）中的某个节点获取输入（a）。在没有代码重新创建第二个图形的情况下，它很方便，您只是从某个地方反序列化了它。一种方法是使用Session.run计算第一个图的输出，然后将其提供给Session.run调用，该调用计算第二个图的输出，但必须有一种干净的方法

---

谢谢

如果我理解正确，这应该对你有用吗

它利用作业的

tf.import\u graph\u def

我们有

x

，然后馈送到第一个图形，得到

y=2*x

， 然后我们将

y

馈送到第二个图形以获得

b=2*y

，对于

x=1.0

，以下代码将产生

4.0

import tensorflow as tf
FLOAT = tf.float32
tf.reset_default_graph()

def graph_1():
    g = tf.Graph()
    with g.as_default():
        x = tf.placeholder(FLOAT, [], name='x')
        y = tf.multiply(2.0, x, name='y')
    return g

def graph_2():
    g = tf.Graph()
    with g.as_default():
        a = tf.placeholder(FLOAT, [], name='a')
        b = tf.multiply(2.0, a, name='b')
    return g

# x = 1.0
x = tf.constant(1.0, FLOAT, [])
# feed x to graph_1 -> y = 2.0
g1 = graph_1()
[g1_y] = tf.import_graph_def(g1.as_graph_def(), input_map={'x': x}, return_elements=['y:0'])
# feed y to graph_2 -> b = 4.0
g2 = graph_2()
[g2_b] = tf.import_graph_def(g2.as_graph_def(), input_map={'a': g1_y}, return_elements=['b:0'])

with tf.Session() as sess:
    print(sess.run([g2_b]))

笔记本：

---

顺便说一下，如果

graph_1

或

graph_2

包含“变量”，这将不起作用。。。到目前为止，我不知道如何初始化这些基本变量，有什么建议吗

成功了吗？