[翻译]什么是tensorflow的session

[翻译]什么是tensorflow的session

原文:danijar博客文章what is a tensorflow session

很多人对于tf.Graph和tf.Session的用法有困惑，很简单：

• graph只是定义了计算，他本身不计算任何东西，他不保存任何值，他只是定义了你用代码所规定的操作

• session允许计算图或者图的一部分，他为这个分配资源并且保存中间结果的值和变量

让我们看一个例子：

定义图

我们定义一个graph通过一个变量和三个操作：变量总是返回他的当前值，initialize 初始化变量值为42，assign 给变量赋新值为13，

    graph = tf.Graph()
    with graph.as_default():
        variable = tf.Variable(42, name='foo')
        initialize = tf.initialize_all_variables()
        assign = variable.assign(13)

在Session中执行计算

我们给graph创建一个session来运行图中定义的三个操作中的任意一个，session会分配内存去存储变量的当前值

with tf.Session(graph=graph) as sess:
  sess.run(initialize)
  sess.run(assign)
  print(sess.run(variable))
# Output: 13

如你所见，变量的值仅在一个session中有效，如果我们尝试在session结束后查询变量值，tensorflow将会报错，因为变量在此时没有初始化

with tf.Session(graph=graph) as sess:
  print(sess.run(variable))
# Error: Attempting to use uninitialized value foo

当然一个graph也能使用多个session，我们不得不再一次初始化变量，新session的值将会完全的独立于之前的session的

with tf.Session(graph=graph) as sess:
  sess.run(initialize)
  print(sess.run(variable))
# Output: 42

评论翻译

• tf.initialize_all_variables() 用在代码块的开头已经被取消。
  作者回答：感谢指出，我将会在tensorflow 1.0发布后更新博文（然而tf1.0已经发布好久了）
  其他人指出：确实，应该使用tf.global_variables_initializer() 代替

• 这种模型设计的目的是什么
  作者回答：就像定义你的程序（计算graph）并且执行它（session），graph事先允许优化和分配执行，当你在集群中运行的时候，tensorflow为graph添加发送和接收操作去自动控制通信：gragh在第一个操作执行（第一个sess.run被调用）前发送给所有的工作机