TensorFlow基础知识5-会话(session)

会话在之前的文章中也使用过,这里做一个详细介绍。

构造阶段完成后, 才能启动图。启动图的第一步是创建一个 Session 对象, 如果无任何创建参数, 会话构造器将启动默认图。会话会管理TensorFlow程序运行时的所有资源。当所有计算完成之后需要关闭会话来帮助系统回收资源,否则就可能出现资源泄露的问题。

TensorFlow中使用会话的模式一般有两种:

1、需要明确调用会话生成函数和关闭会话函数。
# 创建一个会话。
sess = tf.Session()

# 使用会话得到之前计算的结果。
sess.run(...)

# 关闭会话使得本次运行中使用到的资源可以被释放。
sess.close()

例子:

import tensorflow as tf
#使用张量记录中间结果
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([2.0, 3.0], name="b")
result = a + b

# 创建一个会话。
sess = tf.Session()

# 使用会话得到之前计算的结果。
print(sess.run(result))

# 关闭会话使得本次运行中使用到的资源可以被释放。
sess.close()

输出:

[ 3.  5.]

使用这种模式时,在所有计算完成之后,需要明确调用Session.close函数来关闭会话释放资源。然而,当程序因为异常而退出时,关闭会话的函数可能就不会被执行从而导致资源泄露。

所以TensorFlow可以通过Python的上下文管理器来使用会话。

2、通过Python的上下文管理器来使用会话。
#创建一个会话,并通过Python中的上下文管理器来管理
with tf.Session() as sess:

    #使用这个会话来计算关心的结果
    sess.run(...)
#不再需要调用“Session.close()”函数来关闭会话,当上下文退出时会话关闭和资源释放也会自动完成。

例子:

import tensorflow as tf

#使用张量记录中间结果
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([2.0, 3.0], name="b")
result = a + b

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

通过Python上下文管理器的机制,只要将所有的计算放在with的内部就可以。当上下文管理器退出时就会自动释放所有资源。这样既解决了因为异常退出时资源释放的问题,同时也解决了忘记调用Session.close函数而产生的资源泄露。

3、在交互式环境下直接构建默认会话函数

TensorFlow在运算中会自动加入一个默认的计算图,而会话也有默认的会话,不过需要手动指定。

sess = tf.Session()
with sess.as_default():
     print(result.eval())

以下两种命令完成相同的功能:

sess = tf.Session()

# 下面的两个命令有相同的功能。
print(sess.run(result))
print(result.eval(session=sess))

在交互式环境下(比如Python脚本 IPython 或者Jupyter的编辑器下),通过设置默认会话的方式来获取张量的取值更加方便。所以TensorFlow提供了tf.InteractiveSession函数,可以在交互式环境下直接构建默认会话。这个函数会自动将生成的会话注册为默认会话。使用 Tensor.eval() 和 Operation.run() 方法代替 Session.run(). 这样可以避免使用一个变量来持有会话。

sess = tf.InteractiveSession ()
print(result.eval())
sess.close()

再看一个例子

# 进入一个交互式 TensorFlow 会话.
import tensorflow as tf
sess = tf.InteractiveSession()

x = tf.Variable([1.0, 2.0])
a = tf.constant([3.0, 3.0])

# 使用初始化器 initializer op 的 run() 方法初始化 'x' 
x.initializer.run()

# 增加一个减法 sub op, 从 'x' 减去 'a'. 运行减法 op, 输出结果 
sub = tf.sub(x, a)
print(sub.eval())
# ==> [-2. -1.]

完整的session的API:http://wiki.jikexueyuan.com/project/tensorflow-zh/api_docs/python/client.html

参考:http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/basic_usage.html

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