TensorFlow 学习 二 tf Session 与 tf Session run

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.youkuaiyun.com/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

                       

• session：

  • with tf.Session() as sess:/ tf.InteractiveSession()

  • 初始化：

    • tf.global_variables_initializer()

    with tf.Session() as sess: sess.run(tf.global_variables_initializer())
          
    1
    2

1. 使用 tf.Session().run() 读取变量的值十分耗时

#CODING: UTF-8import timeimport tensorflow as tfN = 100000x = tf.constant([1.])b = 1.with tf.Session() as sess: sess.run(tf.initialize_all_variables())  t1 = time.time() for _ in range(N):  y = sess.run(x) print('使用sess.run() 读取变量数据耗时', time.time()-t1) t2 = time.time() for _ in range(N):  a = b print('直接赋值耗时', time.time()-t2)
  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

2. tf.Session().run() 与 Tensor.eval()

假设 x 为 tf 下的一个 Tensor 对象，t.eval() 执行的动作就是 tf.Session().run(t) 。

import tensorflow as tfx = tf.constant([5.])print(tf.Session().run(x))with tf.Session(): print(x.eval())
  
1
2
3
4
5
6
7

在第二个例子中，session的作用就象context manager，context manager在with块的生存期，将session作为默认的 session。对简单应用的情形（如单元测试），context manager的方法可以得到更简洁的代码；如果你的代码要处理多个graph和 session，更直白的方式可能是显式调用Session.run()。

• <a href=“http://blog.youkuaiyun.com/lujiandong1/article/details/53487572”, target="_blank">session.run()是非常耗时的,千万不要用session.run的方式去取数据
• <a href=“http://www.tensorfly.cn/bbs/forum.php?mod=viewthread&tid=14”, target="_blank">Session.run()和Tensor.eval()区别是什么？

           

给我老师的人工智能教程打call！http://blog.youkuaiyun.com/jiangjunshow