Tensorflow运行模型-----会话（session）

最新推荐文章于 2022-12-10 21:19:53 发布

中北小草

最新推荐文章于 2022-12-10 21:19:53 发布

阅读量2k

点赞数

分类专栏：深度学习 python 文章标签： deeplearing Python Tools

本文链接：https://blog.csdn.net/qq_26577455/article/details/79925041

版权

Tensorflow的会话负责管理程序资源，防止资源泄露。常见的会话使用模式包括明确调用生成和关闭会话，以及利用Python上下文管理器。通过ConfigProto可以配置会话参数，如allow_soft_placement和log_device_placement，前者允许GPU运算在CPU上进行，后者用于记录设备分配便于调试。

摘要由CSDN通过智能技术生成

会话拥有并管理Tensorflow程序的所有资源，类似于操作系统中的进程控制块PCB。当所有计算完成之后需要关闭会话来帮助系统回收资源。否则会出现资源泄露的问题。

Tensorflow 中使用会话的模式一般有两种：

1：明确调用会话生成函数和关闭会话函数，

#创建一个会话

sess = tf.Session()

#使用这个创建好的会话结果，

sess.run(...)

#关闭会话使本次运行中使用的资源得以被释放

sess.close()

在执行这种模式的时候，明确需要调用Sesssion.close（）函数来关闭会话并释放资源。当程序出现异常请况下，关闭函数可能就不能被执行，导致内存泄漏。Tensorflow 可以通过 Python 的上下文管理器来使用会话，给出一例：

#创建一个会话，用Python 中的上下文管理器来展示如何使用这种模式。

with tf.Session() as sess:

      #使用这创建好的回话来计算自己关心的结果。

       sess.run(....)

#不在需要再调用“Session.close()"函数来关闭会话，

#当上下文退出时，会话关闭，资源释放自动完成