什么是TensorFlow会话？

最新推荐文章于 2025-03-20 17:15:07 发布

weixin_33725272

最新推荐文章于 2025-03-20 17:15:07 发布

阅读量1k

点赞数 1

原文链接：https://segmentfault.com/a/1190000017244315

版权

本文深入解析了TensorFlow中tf.Graph和tf.Session的作用与用法。Graph定义计算流程，但不执行计算，Session则负责执行Graph，分配资源并保存变量实际值。通过实例演示了变量在不同Session间的独立性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我已经看到了很多人对 TensorFlow 的 tf.Graph 和 tf.Session 的规则感到困惑。其实很简单：

Graph（图形）定义了计算。但它不计算任何东西，也不包含任何值，它只是定义您在代码中指定的操作。
Session（会话）允许执行图形或部分图形。它为此分配资源（在一台或多台机器上）并保存中间结果和变量的实际值。

我们来看一个例子。

定义 Graph（图形）

我们使用一个变量和三个操作定义一个 Graph（图形）：variable 返回变量的当前值。initialize 将初始值42分配给该变量。assign 将新值13赋给该变量。

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

旁注：TensorFlow 为您创建一个默认图形，因此我们不需要上面代码的前两行。如果你不手动指定Graph（图形）时, 默认的 Graph（图形）也是下面例子中的 Session（会话）使用的缺省值。

在 Session（会话）中运行计算

要运行三个定义的操作中的任何一个，我们需要为该 Graph（图形）创建一个Session（会话）。会话还将分配内存来存储变量的当前值。

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

如您所见，我们的变量值仅在一个会话中有效。如果我们尝试在第二个会话中查询该值，TensorFlow 将引发错误，因为该变量未在那里初始化。

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

当然，我们可以在多个会话中使用该图，我们只需要再次初始化变量。新会话中的值将完全独立于第一个：

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

希望这个简短的工作可以帮助您更好地理解 tf.Session。随意在评论中提问。

更新（时间2017-07-12）：在 TensorFlow 1.0中初始化变量的操作已更改。

您可以在开放的CC BY-SA 3.0 许可下使用此帖子，并将其引用为：

@misc {hafner2016tfsession，
  作者= {Hafner，Danijar}，
  title = {什么是TensorFlow会话？}，
  年= {2016}，
  howpublished = {博客文章}，
  url = {https://danijar.com/what-is-a-tensorflow-session/}
}