Tensorflow中会话的使用形式一般有两种。
第一种:
# 创建一个会话
sess = tf.Session()
# 使用会话得到关心的运算的结果
sess.run()
# 关闭会话使本次运行使用的资源得到释放
sess.close()
第二种:
# 通过Python上下文管理器来创建并管理会话
with tf.Session() as sess:
# 使用会话来得到关心的运算的结果
sess.run()
为什么我们通常使用第二种方式呢?
因为第一种模式,在所有计算完成之后,需要调用Session.close函数来关闭会话释放资源。但当程序因为异常而退出时,关闭会话的函数可能就不会被执行从而导致资源泄露。而通过Python上下文管理器的机制,只要将所有的计算放在“with”的内部就可以,当上下文管理器退出时候会自动释放资源,这样就解决了因为异常退出和忘记调用Session.close时资源释放的问题。
同理也就可以理解为什么我们利用python进行文件操作时要用with了。