使用import_graph_def()在Python中进行图定义导入和使用

在TensorFlow中，可以使用import_graph_def()函数来导入预先定义的图定义。这在需要在不同的会话中重复使用相同的图时非常有用。

首先，我们需要定义和保存一个图。下面是一个简单的示例，在图中添加了两个常数节点，并将它们相加：

import tensorflow as tf

# 定义图
tf.reset_default_graph()
a = tf.constant(2, name="input_a")
b = tf.constant(3, name="input_b")
c = tf.add(a, b, name="add_c")

# 保存图定义
save_dir = "./saved_graph"
tf.train.write_graph(tf.get_default_graph().as_graph_def(), save_dir, "graph.pb", as_text=False)

这将会在./saved_graph文件夹中保存一个名为graph.pb的二进制文件，其中包含我们定义的图。

接下来，我们可以使用import_graph_def()函数来导入保存的图，并使用它进行计算。

import tensorflow as tf

# 导入图定义
save_dir = "./saved_graph"
graph_def = tf.GraphDef()
with tf.gfile.GFile(save_dir + "/graph.pb", 'rb') as f:
    graph_def.ParseFromString(f.read())
tf.import_graph_def(graph_def, name="")

# 使用导入的图进行计算
with tf.Session() as sess:
    # 获取输入和输出节点
    input_a = sess.graph.get_tensor_by_name("input_a:0")
    input_b = sess.graph.get_tensor_by_name("input_b:0")
    add_c = sess.graph.get_tensor_by_name("add_c:0")

    # 运行计算图
    result = sess.run(add_c, feed_dict={input_a: 2, input_b: 3})
    print(result)  # 输出 5

在上面的代码中，我们首先创建一个空图，并使用import_graph_def()函数将保存的图导入到当前的默认图中（注意，我们使用了空的名称字符串来表示导入的图应该直接放置在默认图中）。

然后，我们使用tf.Session()创建一个会话，并通过sess.graph.get_tensor_by_name()获取导入图中的输入和输出节点。在本例中，我们获取了名为"input_a"、"input_b"和"add_c"的节点。

最后，我们使用sess.run()函数来运行计算图，并通过feed_dict参数提供输入节点的值。在本例中，我们将输入a设为2，输入b设为3。运行结果被存储在result变量中并打印出来。

通过import_graph_def()函数，我们可以使用保存的图定义在不同的会话中轻松地进行计算。这对于需要反复运行相同的计算图的情况非常有用，如训练和测试模型时。