Tensorflow框架学习记录--day01--会话--（含报错及解决方法）

Tensorflow框架学习记录–day01–会话–（含报错及解决方法）

会话

一个运行Tensorflow operation的类，会话包含以下两种开启方式

1. tf.Session:用于完整的程序当中
2. tf.InteractiveSession:用于交互式上下文中的tensorflow，例如shell

注：！！！这里注意版本不兼容问题，要使用：tf.compat.v1.InteractiveSession()

这里同理，不能再使用eval(),会建议你用numpy()

1、 target：如果将此参数留空（默认设置），会话将仅使用本地计算机中的设备。可以指定grpc：//网址，以便指定tensorflow服务器的地址，这使得会话可以访问该服务器控制的计算机上的所有设备。
2、graph:默认情况下，新的tf.Session将绑定到当前的默认图。
3、config：此参数允许您指定一个tf.ConfigProto以便控制会话的行为。（例如打印设备信息）
相关代码：

# 开启会话
    with tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(allow_soft_placement=True,
                                                              log_device_placement=True)) as sess:
        c_t_value = sess.run(c_t)
        print("c_t_value:\n", c_t_value)
        print("sess的属性:\n", sess.graph)

会话的run

run(fetches,feed_dict=None,option=None,run_metadata=None)
通过使用sess.run()来运行operation
fetches：单一的operation，或者列表（[]）、元组（（））其他不属于tensorflow的类型不行
feed_dict:参数允许调用者覆盖图中张量的值，运行时赋值
与tf.placeholder搭配使用，则会检查值的形状是否与占位符兼容

feed操作

placeholder提供占位符，run时候通过feed_dict指定参数

相关代码：

# 定义占位符
    a_ph = tf.compat.v1.placeholder(tf.float32)
    b_ph = tf.compat.v1.placeholder(tf.float32)
    c_ph = tf.add(a_ph, b_ph)
    print("a_ph:\n", a_ph)
    print("b_ph:\n", b_ph)
    print("c_ph:\n", c_ph)


# 开启会话
    with tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(allow_soft_placement=True,
                                                              log_device_placement=True)) 
#运行placeholder
        c_ph_value = sess.run(c_ph, feed_dict={a_ph: 3.9, b_ph: 4.8})
        print("c_ph_value\n", c_ph_value)

结果：