TensorFlow-sess.run()

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)