tf.Tensor.eval(feed_dict=None, session=None)
feed_dict:将张量对象映射到Feed值的字典。 请参阅Session.run()以获取有效的提要值的描述。
会话:(可选)用于评估此张量的会话。 如果没有,将使用默认会话。
功能:当默认的会话被指定之后可以通过其计算一个张量的取值。
返回:与张量的值相对应的一个numpy数组。
与session.run()的区别:
如果你有一个Tensor
t,在使用t.eval()
时,等价于:
tf.get_default_session().run(t)
举例:
t = tf.constant(42.0)
sess = tf.Session()
with sess.as_default(): # or `with sess:` to close on exit
assert sess is tf.get_default_session()
assert t.eval() == sess.run(t)
这其中最主要的区别就在于你可以使用sess.run()
在同一步获取多个tensor中的值,
例如:
t = tf.constant(42.0)
u = tf.constant(37.0)
tu = tf.multiply(t, u)
ut = tf.multiply(u, t)
with sess.as_default():
tu.eval() # runs one step
ut.eval() # runs one step
sess.run([tu, ut]) # evaluates both tensors in a single step
注意到:每次使用 eval
和 run
时,都会执行整个计算图,为了获取计算的结果,将它分配给tf.Variable
,然后获取。
原文链接:https://blog.csdn.net/zcf1784266476/article/details/70259676