会话接口session（），run（）的使用

本文链接：https://blog.youkuaiyun.com/qq_42612717/article/details/106351804

本文详细介绍了TensorFlow中Session的使用方法及其重要性。Session作为连接前后台的桥梁，允许用户指定计算环境并配置资源。通过run()方法，用户可以启动数据流图进行计算，该方法接受fetches和feed_dict参数，分别用于指定要获取的计算结果和输入数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Session()方法tensorflow的内核使用更加高效的C++作为后台，以支撑它的密集计算。tensorflow把前台(即python程序)与后台程序之间的连接称为"会话(Session)"Session作为会话，主要功能是指定操作对象的执行环境，Session类构造函数有3个可选参数。
· target(可选)：指定连接的执行引擎，多用于分布式场景。
· graph(可选)：指定要在Session对象中参与计算的图(graph)。
· config(可选)：辅助配置Session对象所需的参数(限制CPU或GPU使用数目，设置优化参数以及设置日志选项等)。
run()方法:
Session对象创建完毕，便可以使用它最重要的方法run()来启动所需要的数据流图进行计算。run()方法有4个参数：run(fetches,feed_dict=Noneoptions=None,run_metadata=None)(1).fetches参数· ‘取得之物’，表示数据流图中能接收的任意数据流图元素，各类Op/Tensor对象。Op,run()将返回None；Tensor,rnu()将返回Numpy数组。
import tensorflow as tf
from collections import namedtuple
a = tf.constant([10, 20])
b = tf.constant([1.0, 2.0])
session = tf.Session()
v1 = session.run(a) #fetches参数为单个张量值，返回值为Numpy数组print(v1)
v2 = session.run([a, b]) #fetches参数为python类表，包括两个numpy的1维矩阵
print(v2)
v3 = session.run(tf.global_variables_initializer()) #fetches 为Op类型print(v3)
session.close()

[10 20]
[array([10, 20], dtype=int32), array([ 1., 2.], dtype=float32)]
None
(2). feed_dict参数· 可选项，给数据流图提供运行时数据。feed_dict的数据结构为python中的字典，其元素为各种键值对。"key"为各种Tensor对象的句柄；"value"很广泛，但必须和“键”的类型相匹配，或能转换为同一类型。
import tensorflow as tf
a = tf.add(1, 2）
b = tf.multiply(a, 2)
session = tf.Session()
v1 = session.run(b)
print(v1)
replace_dict = {a:40}
v2 = session.run(b, feed_dict = replace_dict)
print(v2)

6 80