在TensorFlow中,Session.run 和Tensor.eval 有什么区别

TensorFlow有两种方式来评估Graph(计算图)的一部分:对变量列表做Session.runTensor.eval。这两者有什么区别?

 

最佳解决思路

如果你有一个Tensor t,调用t.eval()相当于调用tf.get_default_session().run(t)

可以按如下方式将会话设置为默认会话:

t = tf.constant(42.0)
sess = tf.Session()
with sess.as_default():   # or `with sess:` to close on exit
    assert sess is tf.get_default_session()
    assert t.eval() == sess.run(t)

最重要的区别是,可以使用sess.run()在相同的步骤中获取多个Tensor(张量)的值:

t = tf.constant(42.0)
u = tf.constant(37.0)
tu = tf.mul(t, u)
ut = tf.mul(u, t)
with sess.as_default():
   tu.eval()  # runs one step
   ut.eval()  # runs one step
   sess.run([tu, ut])  # evaluates both tensors in a single step

eval不能处理对象列表数据

注意,每次调用evalrun将从头开始执行整个计算图。要缓存计算结果,请将结果存入tf.Variable

 

次佳解决思路

TensorFlow的FAQ会话部分有一个answer to exactly the same question。进一步说明如下:


如果tTensor对象,则t.eval()sess.run(t)的缩写(sess是当前的默认会话,下面的两个代码片段是等效的:

sess = tf.Session()
c = tf.constant(5.0)
print sess.run(c)

c = tf.constant(5.0)
with tf.Session():
  print c.eval()

在第二个示例中,会话充当上下文管理器,将会话设置为with块的生命周期的默认会话。上下文管理器方法可以为简单用例(比如单元测试)提供更简洁的代码;如果代码要处理多个计算图和会话,则需要更直接地显式调用Session.run()

 

------------------------------------------------------------------------------------------------

原文:https://vimsky.com/article/3685.html

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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