Supprimer des nœuds de graphique ou de réinitialiser toute la graphique par défaut
Lorsque l'on travaille avec la valeur par défaut graphe global, est-il possible de supprimer des nœuds après qu'ils ont été ajoutés, ou encore pour réinitialiser la valeur par défaut graphique à vide? Lorsque vous travaillez avec des TF de manière interactive dans IPython, je me retrouve à avoir à redémarrer le noyau à plusieurs reprises. Je voudrais être en mesure d'expérimenter avec des graphiques plus facilement si possible.
Vous devez vous connecter pour publier un commentaire.
Mise à jour 11/2/2016
tf.reset_default_graph()
Vieux trucs
Il y a
reset_default_graph
, mais ne faisant pas partie de l'API publique (je pense qu'il devrait être, quelqu'un veut fichier un problème sur GitHub?)Mon travail autour de remettre les choses est-ce:
sess = tf.InteractiveSession()
est-elle nécessaire?Par défaut, une session est construit autour du graphique par défaut.
Pour éviter de laisser des morts nœuds dans la session, vous avez besoin d'exercer un contrôle sur le graphique par défaut ou utiliser explicitement un graphique.
Pour effacer le graphique par défaut, vous pouvez utiliser le tf.reset_default_graph fonction.
Vous pouvez également construire explicitement un graphique et d'éviter d'utiliser celui par défaut. Si vous utilisez un normal
Session
, vous aurez besoin pour créer le graphe avant la construction de la session. PourInteractiveSession
, vous pouvez simplement déclarer le graphique et l'utiliser comme un cadre de déclarer d'autres changements:EDIT: Pour les versions récentes de
tensorflow
(1.0+), la fonction correcte estg.as_default
.g.as_default()
sess = tf.InteractiveSession()
est-elle nécessaire?IPython /Jupyter cahier des cellules de garder l'état entre les pistes d'une cellule.
Créer un graphique:
A couru une fois, le graphique est nettoyé.
Ne sais pas si j'ai été confrontée au même problème, mais
au début de la cellule dans laquelle le modèle (Keras, dans mon cas) a été construit et formé contribué à "couper le désordre" si seulement le graphe en cours reste dans le TensorBoard visualisation, après avoir répété fonctionne de la même cellule.
Environnement: TensorFlow 2.0 (
tensorflow-gpu==2.0.0b1
) en Colab avec construit-dans TensorBoard (à l'aide de la%load_ext tensorboard
truc).