TensorFlow中run与eval的区别

问题： 
tensorflow有两种方式：Session.run和 Tensor.eval，这两者的区别在哪？ 
答： 
如果你有一个Tensor t，在使用t.eval()时，等价于：tf.get_default_session().run(t). 
举例：

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)

这其中最主要的区别就在于你可以使用sess.run()在同一步获取多个tensor中的值， 
例如：

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

注意到：每次使用 eval 和 run时，都会执行整个计算图，为了获取计算的结果，将它分配给tf.Variable，然后获取。

如果有c = a + b

c.eval() 执行了a、b和c ，与c相关的变量都执行了。

看例子，如果想获取所有相关的tensor的值，应该如下：

import tensorflow as tf
with tf.Session() as sess:
    box_confidence = tf.random_normal([1], mean=1, stddev=4, seed=1)
    box_class_probs = tf.random_normal([4], mean=1, stddev=4, seed=1)
    box_scores = tf.multiply(box_confidence, box_class_probs)

    output = sess.run([box_confidence, box_class_probs, box_scores])
    print(output)

一次性读取三个tensor。参考资料

下面这篇文章详细地介绍了Tensor与Flow：

罗斯基白话：TensorFlow+实战系列（一）之详解Tensor与Flow

第二篇文章也很有意义：

罗斯基白话：TensorFlow+实战系列（二）从零构建传统神经网络