Tensorflow系列之tf.Session

当我构建一个图后，我们需要开始执行这个图所指定的操作，在Tensorflow中通过tf.Session来完成图的执行操作。
通过Session对象，可以执行途中的Operation，同时计算得到Tensor的值。
首先我们观察其构建方法：

target参数主要是指定执行的引擎，一般在分布式处理会用到这个参数，graph参数指定执行某个图，config参数可以做丰富的操作，具体含义将在以后的文章说明。
对于Session，需要注意一下几点：
1.当用as_default方法时，虽然用了with，但是session仍然在with块外继续有效，你需要调用session.close()来关闭这个session。


2.为了限制一个session在一个with块中，可以去掉as_default方法来解决。

3.默认的session是属于主线程的，在多线程中，如果需要其它线程也共用这个session，那么需要明确的使用as_default方法。

4.在存在多图时，在with块中使用session.as_default，但session作用的图并不一定是默认的图，如果需要，则必须明确的指定。

5.列出session中所有可用的device

6.补充一点，opr.eval()，可以达到sess.run(opr)同样的效果，同时opr.run()等同于tf.get_default_session().run(opr)
对于Tensor同样成立

开发环境：
Python: 3.7
Tensorflow: r1.13

示例代码地址：https://github.com/jmsking/tensorflow-0-1.git
欢迎关注公众号【AIML_2018】
里面记录了自己在学习机器学习及深度学习的感悟，同时介绍了机器学习及深度学习的必备数学知识，希望大家一起进步。