使用tensorflow.python.framework.graph_io模块进行图数据的读写操作

TensorFlow提供了graph_io模块，用于读取和保存图数据。它可以方便地将图数据保存到文件中，以便在后续的训练或推断过程中进行使用。

graph_io模块中最常用的两个函数是write_graph和read_graph。

write_graph函数的函数签名如下：

write_graph(graph_or_graph_def, logdir, name, as_text=True)

其中，graph_or_graph_def是待保存的图数据，logdir是保存目录，name是保存的文件名，as_text表示是否以文本形式保存，默认为True。

下面是一个使用write_graph函数保存图数据的例子：

import tensorflow as tf
from tensorflow.python.framework import graph_io

# 创建一个简单的图
g = tf.Graph()
with g.as_default():
    a = tf.constant(2, name='a')
    b = tf.constant(3, name='b')
    c = tf.add(a, b, name='c')

# 保存图数据
graph_io.write_graph(g, './model/', 'graph.pbtxt')
graph_io.write_graph(g, './model/', 'graph.pb', as_text=False)

在上面的例子中，我们首先创建了一个简单的图，并使用write_graph函数将图保存到了"./model/"目录下，分别保存为graph.pbtxt和graph.pb两个文件。

read_graph函数的函数签名如下：

read_graph(filename, file_format=None)

其中，filename是待读取的图文件名，file_format是图文件的格式，该参数可选，默认为None，自动识别文件格式。

下面是一个使用read_graph函数读取图数据的例子：

import tensorflow as tf
from tensorflow.python.framework import graph_io

# 读取图数据
graph_def = graph_io.read_graph('./model/graph.pb')

# 打印图中节点名称
with tf.Graph().as_default() as g:
    tf.import_graph_def(graph_def, name='')
    for op in g.get_operations():
        print(op.name)

在上面的例子中，我们使用read_graph函数从graph.pb文件中读取图数据，并用import_graph_def函数导入到当前的默认图中。然后，我们可以通过打印图中的节点名称来查看导入的图数据。

通过上述例子，我们可以看到，graph_io模块提供了一种方便的方式来读写图数据，用于在 TensorFlow 中保存和加载图结构。这对于后续的训练和推断过程是非常有用的。