TensorFlow中training_util的write_graph()函数的用法介绍

在TensorFlow中，training_util模块是用于训练的实用工具模块。其中的write_graph()函数用于将指定的图写入一个文件中，以便后续在TensorBoard中加载和可视化。

write_graph()函数的语法如下：

tf.compat.v1.train.write_graph(graph_or_graph_def, logdir, name, as_text=True)

参数说明：

- graph_or_graph_def：要写入的图，可以是Graph对象或GraphDef对象。

- logdir：将要写入的目录路径。

- name：指定写入的文件名。

- as_text：如果为True，则以文本格式写入，否则以二进制格式写入。默认为True。

下面是一个使用write_graph()函数的例子：

import tensorflow as tf
from tensorflow.python.training import training_util

# 构建一个简单的计算图
a = tf.constant(2, dtype=tf.int32, name='a')
b = tf.constant(3, dtype=tf.int32, name='b')
c = tf.add(a, b, name='c')

# 创建一个Saver对象
saver = tf.compat.v1.train.Saver()

# 创建一个Session
with tf.compat.v1.Session() as sess:
    # 初始化变量
    sess.run(tf.compat.v1.global_variables_initializer())
    
    # 保存图结构
    graph_def = tf.compat.v1.get_default_graph().as_graph_def()
    training_util.write_graph(graph_def, './logs', 'graph.pbtxt')
    
    # 保存模型参数
    saver.save(sess, './logs/model.ckpt')
    
print("Graph saved successfully.")

在上面的例子中，我们首先构建了一个简单的计算图，然后创建了一个Saver对象，最后在Session中保存了图结构和模型参数。

通过调用training_util中的write_graph()函数，我们将图结构以文本格式写入了"./logs/graph.pbtxt"文件中。

运行上述代码后，我们可以在指定目录中看到生成的graph.pbtxt文件，该文件可以通过TensorBoard进行可视化。