【TensorFlow 会话（Session）介绍】

TensorFlow 是一个用于机器学习和深度学习的开源库。在 TensorFlow 1.x 版本中，会话（Session）用于执行 TensorFlow 计算图（Graph）。在 TensorFlow 2.x 版本中，即时执行（Eager Execution）成了默认选项，但了解会话的使用仍然很有用。

在 TensorFlow 1.x 中使用 Session

创建会话

创建一个 TensorFlow Session 的基础用法如下：

import tensorflow as tf

# 创建一个计算图
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b

# 初始化一个会话
sess = tf.Session()

# 执行计算图
print(sess.run(c))

Session.run() 详解

Session.run() 是执行 TensorFlow 计算图的主要方法。该方法接受多种类型的参数。

• fetches: 需要获取的 tensor 或者 Operation。可以是单个值，也可以是列表、字典等数据结构。
• feed_dict: 用于喂入数据的字典。

以下是一些例子：

# 单个 tensor
result = sess.run(c)
print(result)

# 多个 tensor
result = sess.run([a, b, c])
print(result)

# 使用 feed_dict 喂入数据
d = tf.placeholder(tf.float32)
e = a * d
result = sess.run(e, feed_dict={d: 2.0})
print(result)

Session 参数

在创建 tf.Session 的时候，你可以传入多个可选参数以控制会话的行为。

• target：如果你需要连接到远程的 TensorFlow 服务器或集群，可以设置这个参数。
• graph：用于设置计算图。默认是当前的默认图。
• config：通过 tf.ConfigProto 对象来设置底层的执行选项。

config = tf.ConfigProto()
config.gpu_options.allow_growth = True

sess = tf.Session(config=config)

InteractiveSession

除了基础的 Session，还有 InteractiveSession，主要用于 Jupyter Notebook 或 Python shell 等交互式环境。

sess = tf.InteractiveSession()

a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
print(c.eval())

sess.close()

使用 with 语句管理 Session

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

使用 Feed 和 Fetch

# 使用 Feed 传入数据
d = tf.placeholder(tf.float32)
e = a * d

with tf.Session() as sess:
    print(sess.run(e, feed_dict={d: 2.0}))

# 使用 Fetch 获取多个数据
with tf.Session() as sess:
    print(sess.run([a, b, c]))

在 TensorFlow 2.x 中使用 Session

在 2.x 版本中，你可以通过 tf.compat.v1 来使用 Session。

import tensorflow as tf

# 禁用即时执行
tf.compat.v1.disable_eager_execution()

# 使用 tf.compat.v1 创建计算图和会话
a = tf.compat.v1.constant(5.0)
b = tf.compat.v1.constant(6.0)
c = a * b

sess = tf.compat.v1.Session()
print(sess.run(c))