tensorflow会话

一、会话的作用
（一）运行图的结构
tf.Session()运行TensorFlow操作图的类，使用默认注册的图（可以指定运行图）。例如：tf.Session(graph=某张图)
（二）分配资源计算
会话可能拥有很多资源，如 tf.Variable，tf.QueueBase和tf.ReaderBase，会话结束后需要进行资源释放。
1、sess = tf.Session() sess.run(…)启动整张图 sess.close()
2、使用上下文管理器
with tf.Session() as sess:
sess.run(…)
或 .eval()等价于run，主要有会话的上下文环境，就可以方便使用。
3、参数
config=tf.ConfigProto(log_device_placement=True)可以看到图里面有哪些资源以及在什么设备运行
交互式：tf.InteractiveSession()
（三）掌握资源（变量的资源、队列、线程）
二、会话的run()方法
run(fetches, feed_dict=None,graph=None)运行ops和计算tensor
（一）参数fetches
嵌套列表或元组，namedtuple，dict或 OrderedDict(重载的运算符也能运行)
（二）参数feed_dict（是一个字典）
feed_dict 允许调用者覆盖图中指定张量的值，提供给placeholder使用，placeholder是一个占位符。
例如：
plt = tf.placeholder(tf.float32,[2,3])
with tf.Session() as sess:
print(sess.run(plt,feed_dict={plt:[[1,2,3],[4,5,6]]}))
或者plt = tf.placeholder(tf.float32,[None,3])表示行数不固定

（三）返回值异常
RuntimeError：如果它Session处于无效状态（例如已关闭）。
TypeError：如果fetches或feed_dict键是不合适的类型。
ValueError：如果fetches或feed_dict键无效或引用 Tensor不存在。