会话,常量与变量
会话:
import tensorflow as tf
a=tf.constant(6,tf.int32,name="a")
b=tf.constant(2,tf.int32,name="b")
c=tf.add(a,b,name="c")
with tf.Session as sess:
print(sess.run(c))
这样的话,就可以不写sess.close()(通过调用Session.close()函数关闭会话,从而释放资源),因为python的上下文退出时,会话就已经关闭。
除此外,还可以这样写:
import tensorflow as tf
a=tf.constant(6,tf.int32,name="a")
b=tf.constant(2,tf.int32,name="b")
c=tf.add(a,b,name="c")
sess=tf.Session()
try:
print(sess.run(c))
except:
print('exception!')
finally:
sess.close()
这样的写法,并不会节约代码量,但确保了关键操作print(sess.run(c))的执行。
还有一点是,使用tensorflow不会自动产生默认会话,需要手动指定。以上均没有产生默认会话。
import tensorflow as tf
a=tf.constant(6,tf.int32,name="a")
b=tf.constant(2,tf.int32,name="b")
c=tf.add(a,b,name="c")
sess=tf.InteractiveSession()
print(c.eval())
sess.close()
使用tf.interactiveSession()函数会产生默认会话。
如果没有产生默认会话,则print(c.eval()),这条语句就会报错。
假若没有默认会话,又想使用的话,则需要这样写:
print(c.eval(session=sess))
产生默认会话,还可以这样:
import tensorflow as tf
a=tf.constant(6,tf.int32,name="a")
b=tf.constant(2,tf.int32,name="b")
c=tf.add(a,b,name="c")
sess=tf.Session()
with sess.as_default():
print(c.eval())
sess.close()
常量:
import tensorflow as tf
a=tf.constant(6,tf.int32,name="a")
b=tf.constant(2,tf.int32,name="b")
c=tf.add(a,b,name="c")
sess=tf.Session()
print(sess.run(c))
sess.close()
就是不用初始化。
变量:
import tensorflow as tf
a=tf.Variable(6,tf.int32,name="a")
b=tf.Variable(2,tf.int32,name="b")
c=tf.add(a,b,name="c")
init_a=a.initializer
init_b=b.initializer
sess=tf.Session()
sess.run(init_a)
sess.run(init_b)
print(sess.run(c))
sess.close()
以上是个别变量初始化的方法,变量名.initializer(),接着使用sess.run(),run一下就好。
import tensorflow as tf
a=tf.Variable(6,tf.int32,name="a")
b=tf.Variable(2,tf.int32,name="b")
c=tf.add(a,b,name="c")
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)
print(sess.run(c))
sess.close()
全局变量初始化,不用一个个地来。
以下是一个小代码:
import tensorflow as tf
value =tf.Variable( 0, name= "value" )
value1 =tf.Variable( 0, name= "value" )
one =tf.constant( 1 )
new_value=tf.add (value, one )
new_value1=tf.add (value1, value)
update_value= tf.assign(value,new_value)
update_value1= tf.assign(value1,new_value1)
init= tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
for i in range(10):
sess.run(update_value)
print(sess.run(value))
sess.run(update_value1)
print(sess.run(value1))
首先,value是一个变量,one是常量,new_value是一个加法操作,update_value是一个赋值操作,整个代码的流程是,value加one,然后更新value,接着加one,再更新value,再加one,一共加十次,再有一个是类似操作,就是从一加到十。