当我们构建完图后,需要在一个会话中启动图,启动的第一步是创建一个Session对象。
为了取回(Fetch)操作的输出内容, 可以在使用 Session
对象的 run()
调用执行图时,传入一些 tensor, 这些 tensor 会帮助你取回结果。
在python语言中,返回的tensor是numpy ndarray对象。
在执行sess.run()时,tensorflow并不是计算了整个图,只是计算了与想要fetch 的值相关的部分。如下程序所示
仅仅是fetch "update",输出是1.0 , 2.0, 3.0。
#!/usr/bin/env python # -*-coding: utf-8-*- import tensorflow as tf # 创建一个变量, 初始化为标量 0. state = tf.Variable(0.0, dtype=tf.float32) # 创建一个 op, 其作用是使 state 增加 1 one = tf.constant(1.0, dtype=tf.float32) new_val = tf.add(state, one) update = tf.assign(state, new_val) # 返回tensor, 值为new_val update2 = tf.assign(state, 10000) # 没有fetch,便没有执行 # 启动图后, 变量必须先经过`初始化` (init) op 初始化, # 首先必须增加一个`初始化` op 到图中. init = tf.initialize_all_variables() # 启动图, 运行 op with tf.Session() as sess: # 运行 'init' op sess.run(init) for _ in range(3): print sess.run(update)