TensorFlow程序一般可以分为两个阶段。在第一个阶段需要定义计算图中的所有的计算。第二个阶段为执行计算。
在TensorFlow程序中，系统会自动维护一个默认的计算图，通过tf.get_default_graph函数可以获取当前默认的计算图。
除去使用默认的计算图，TensorFlow支持通过tf.Graph函数生成新的计算图。不同计算图上的张量和运算都不会共享。以下代码示意了如何在不同计算图上定义和使用变量。
import tensorflow as tf
g1 = tf.Graph()
with g1.as_default():
#在计算图g1中定义变量"v",并设置初始值为0
v = tf.get_variable("v", initializer = tf.zeros_initializer(shape = [1]))
g2 = tf.graph()
with g2.as_default():
#在计算图g2中定义变量"v"，并设置初始值为1
v = tf.get_variable("v", initializer = tf.ones_initializer(shape = [1]))
#在计算图g1中读取变量"v"的取值
with tf.Session(graph = g1) as sess:
tf.initialize_all_variables().run()
with tf.variable_scope("", reuse = True):
#在计算图g1中，变量"v"的取值应该为0，所以下面这行会输出[0.]
print(sess.run(tf.get_variable("v")))
#在计算图g2中读取变量“v”的取值
with tf.Session(graph = g2) as sess:
tf.initialize_all_variables().run()
with tf.variable_scope("", reuse = True):
print(sess.run(tf.get_variable("v"))
原文：https://www.cnblogs.com/CZT-TS/p/11234993.html