Tensorflow-Session的使用

TensorFlow中只有让Graph（计算图）上的节点在Session（会话）中执行，才会得到结果。Session的开启涉及真实的运算，因此比较消耗资源。在使用结束后，关闭Session。

import tensorflow as tf
sess = tf.Session()
sess.run()#执行运算
sess.close()#手动关闭session

session对象在使用完后需要关闭以释放资源. 除了显式调用 close 外, 也可以使用 “with” 代码块 来自动完成关闭动作.

with tf.Session() as sess:

Session 分为tf.Session()，with tf.Session() as sess:和tf.InteractivateSession()：
其中的区别为:
tf.Session()和with tf.Session() as sess:区别：

如果用tf.Session()，使用完毕需要关闭会话如：

session= tf.Session()

任务完成, 关闭会话.

session.close()

session对象在使用完后需要关闭以释放资源. 除了显式调用 close 外, 也可以使用 “with” 代码块 来自动完成关闭动作.

with tf.Session() as session:

所以一般使用with tf.Session() as session:
with tf.Session() as session:和tf.InteractivateSession()： 区别

with tf.Session() as session:是先构建计算图，然后通过session启动计算图。

通过session.run(Operation)或者session.run(Tensor)启动计算

tf.InteractivateSession()：是交互式使用，如在python环境中，可以在运行计算图的时候插入计算图

通过Tensor.eval()和Operation.run()计算