[翻译]什么是tensorflow的session
原文:danijar博客文章what is a tensorflow session
很多人对于tf.Graph
和tf.Session
的用法有困惑,很简单:
graph只是定义了计算,他本身不计算任何东西,他不保存任何值,他只是定义了你用代码所规定的操作
session允许计算图或者图的一部分,他为这个分配资源并且保存中间结果的值和变量
让我们看一个例子:
定义图
我们定义一个graph
通过一个变量和三个操作:变量总是返回他的当前值,initialize
初始化变量值为42,assign
给变量赋新值为13,
graph = tf.Graph()
with graph.as_default():
variable = tf.Variable(42, name='foo')
initialize = tf.initialize_all_variables()
assign = variable.assign(13)
在Session中执行计算
我们给graph
创建一个session
来运行图中定义的三个操作中的任意一个,session
会分配内存去存储变量的当前值
with tf.Session(graph=graph) as sess:
sess.run(initialize)
sess.run(assign)
print(sess.run(variable))
# Output: 13
如你所见,变量的值仅在一个session
中有效,如果我们尝试在session
结束后查询变量值,tensorflow将会报错,因为变量在此时没有初始化
with tf.Session(graph=graph) as sess:
print(sess.run(variable))
# Error: Attempting to use uninitialized value foo
当然一个graph也能使用多个session,我们不得不再一次初始化变量,新session的值将会完全的独立于之前的session的
with tf.Session(graph=graph) as sess:
sess.run(initialize)
print(sess.run(variable))
# Output: 42
评论翻译
tf.initialize_all_variables()
用在代码块的开头已经被取消。
作者回答:感谢指出,我将会在tensorflow 1.0发布后更新博文(然而tf1.0已经发布好久了)
其他人指出:确实,应该使用tf.global_variables_initializer()
代替这种模型设计的目的是什么
作者回答:就像定义你的程序(计算graph
)并且执行它(session
),graph事先允许优化和分配执行,当你在集群中运行的时候,tensorflow为graph添加发送和接收操作去自动控制通信:gragh
在第一个操作执行(第一个sess.run
被调用)前发送给所有的工作机