Tensorflow中的run()函数

1 run()函数存在的意义

run()函数可以让代码变得更加简洁，在搭建神经网络（一）中，经历了数据集准备、前向传播过程设计、损失函数及反向传播过程设计等三个过程，形成计算网络，再通过会话tf.Session().run()进行循环优化网络参数。这样可以使得代码变得更加简洁，可以集中处理多个图和会话，明确调用tf.Session().run()可能是一种更加直观的方法。

总而言之，我们先规划好计算图，再编写代码，之后调用tf.Session.run()。简洁高效。

 

在实际代码中，一般写成下种形式(会话Session模式)

with tf.Session() as sess:
    sess.run( )

2 run() 语法

run(fetches, feed_dict=None, options=None, run_metadata=None)

tensorflow.python.client.session.Session实例中的方法对 ‘fetches’ 中的张量tensors进行评估和计算

该方法进行Tensorflow计算的第一个步骤，是将 ‘ feed_dict ’ 中的值替换为相应的输入值，通过运行必要的图形片段（necessary graph fragment）来执行每一个 ‘ Operation ’ 并评估 ‘ fetches ’ 中的每一个张量（evaluate every `Tensor` in `fetches`）

参数：

`fetches`参数可以是单个图元素（single graph element），也可以是任意嵌套的列表list，元组tuple，名称元组namedtuple，字典dict或包含图元素的OrderedDict。

入列是列表，可以写成如下形式 <