Tensorflow之Graph和Session

Tensorflow通过Graph和Session实现计算定义与执行的分离。Graph包含operators、variables和constants,Session负责执行运算。在Session中,只计算依赖于所需结果的子图,提高运算效率。例如,获取pow_op值时,无需执行与之无关的useless操作。若需运行多个运算节点,可将它们编入fetches列表中。
  • Tensorflow把计算的定义和执行很好的分离开来,使得整个模型跑起来仅需要两步:
    第一步:描绘整幅图(定义计算)
    第二步:在session当中执行图中的运算
    这里写图片描述
    在上幅图里:
    节点: operators, variables, and constants
    边: tensors
    下面举几个具体实例来说明Graph和Session:
import tensorflow as tf 
a=tf.add(3,5) 
print(a)

上述代码只是描述了一幅图(为上述步骤中的第一步),并未执行计算,得到的结果只是描述了张量的一些属性,结果如下:

>>Tensor("Add:0",shape=(),dtype=int32)<
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值