Session会话控制
1.在tf中的所占位置
在tf1.x中,session是客户端与整个TensorFlow系统交互的接口。
session定义了计算,但是不计算任何内容,也不包含任何值,仅定义您在代码中指定的操作。
通常用with语句打开一个session
with tf.Session() as sess:
(类似for循环,完成后自动关闭)
也可以:
sess=tf.Session()
sess.run(tf.matmul(m1,m2))
sess.close()
会话允许执行图或图的一部分。它为此分配资源(在一台或多台机器上),并保留中间结果和变量的实际值。
2.进阶使用
session 使用的可选参数主要有三个:
target 用来控制 session 使用的硬件设备, 如果使用空值,那么这个 session 就只会使用本地的设备,如果使用 grpc:// URL,那么就会使用这台服务器控制的所有设备。
graph 用来控制该 session 运行哪个计算图,如果为空,那么该 session 就只会使用当前的默认 Graph,如果使用多个计算图,就可以在这里指定。
config 用来 指定一个 tf.ConfigProto 格式的 session 运行配置,比如说它里面包含的 allow_soft_placement 如果指定为 TRUE,那么 session 就会自动把不适合在 GPU 上运行的 OP 全部放到 CPU 上运行;cluster_def 是分布式运行时候需要指定的配置;gpu_options.allow_growth 设置会使得程序在开始时候逐步的增长 GPU 显存使用量,而不是一开始就最大化的使用所有显存。第一个和第三个配置是经常用到的。
3.如何运行
tf1.x中为静态图,所以要用tf.Session.run,使tensor在图上以一定的方式 流 起来,得到结果
tf.Session.run 是运行 OP 和获取 tensor 的值的主要方式,可以一次性传入多个 OP 和 tensor 给它,然后TensorFlow 会自动执行所有需要的 OP 来得到结果
补充:
placeholder中文译名为占位符,如果参与运算的placeholder没有被指定取值,那么程序就会报错。
Placeholder的目的是为了解决如何在有校的输入节点上实现高效地接受大量数据的问题。
通常用feed_dict给使用placeholder创建出来的tensor赋值。但其实,他的作用不止于此:feed 使用一个 值临时替换一个 op 的输出结果. 你可以提供 feed 数据作为 run() 调用的参数. feed 只在调用它的方法内有效, 方法结束, feed 就会消失.(临时变量)
预告:下一篇讲variable变量