TensorFlow运行模型——会话

最新推荐文章于 2021-04-01 20:04:17 发布

王山山

最新推荐文章于 2021-04-01 20:04:17 发布

阅读量225

点赞数

CC 4.0 BY-SA版权

分类专栏： ALITAN 文章标签： TensorFlow 会话

本文链接：https://blog.youkuaiyun.com/Watkins_OS/article/details/100027723

11 篇文章

订阅专栏

本文详细介绍了TensorFlow中会话(session)的使用方法，包括如何创建、执行计算以及关闭会话来避免资源泄露。探讨了使用with语句和InteractiveSession函数进行会话管理的优缺点，并介绍了如何通过ConfigProto配置会话参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TensorFlow中的会话session用来执行定义好的计算。
会话拥有并管理TensorFlow程序运行时的所有资源。
所有计算完成之后需要关闭会话来帮助系统回收资源，否则就可能出现资源泄露的问题。

TensorFlow中使用会话的模式

with tf.Session() as sess:
    sess.run(...)

sess = tf.Session()
with sess.as_default():
    print(result.eval())

TensorFlow提供了一种在交互式环境下直接构建默认会话的函数。使用tf.InteractiveSession函数会自动将生成的会话注册为默认会话。

>>> sess = tf.InteractiveSession()
>>> print(result.eval())
>>> sess.close()

无论使用哪种方法都可以通过ConfigProto Protocol Buffer来配置需要生成的会话。通过CongfigProto可以配置类似并行的线程数、GPU分配策略、运算超时时间等参数。

config = tf.ConfigProto(allow_soft_placement=True, log_device_placement = True)
sess = tf.Session(config= config)

（最近更新：2019年04月12日）