tf.InteractiveSession()与tf.Session()

最新推荐文章于 2022-06-03 13:34:01 发布

AI_ON

最新推荐文章于 2022-06-03 13:34:01 发布

阅读量559

点赞数

文章标签： tf.InteractiveSession()与tf.Ses

tf.InteractiveSession():它能让你在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互式环境中的人们来说非常便利，比如使用IPython。

tf.Session():需要在启动session之前构建整个计算图，然后启动该计算图。

意思就是在我们使用tf.InteractiveSession()来构建会话的时候，我们可以先构建一个session然后再定义操作（operation），如果我们使用tf.Session()来构建会话我们需要在会话构建之前定义好全部的操作（operation）然后再构建会话。

tf中的变量和操作（合称tensor）定义好后，由Session对象合称graph。

一般我们会用tf.Session（）对象，语句如下：

import tensorflow as tf
x=tf.constant(10)
y=tf.constant(23)
with tf.Session() as sess:
    print(sess.run(x))
    print(sess.run(y))

上面代码一个Session将多个变量整合到graph中去

但对于像Python原生编辑器，或者jupyter这样的基于浏览器的python编辑器，要一段一段

的输入代码。

于是就有了tf.InteractiveSession()这样的交互式会话，它不需要“sess.run(变量）”这种形式

而是定义好会话对象后，每次执行tensor时，调用tensor.eval（）即可

如下：

x=tf.constant(10)
y=tf.constant(23)
sess = tf.InteractiveSession()
print(x.eval())
print(y.eval())
sess.close()

问题： tf.Session() 和 tf.InteractiveSession()的区别？

答案：

唯一的区别在于：tf.InteractiveSession()加载它自身作为默认构建的session，tensor.eval()和operation.run()取决于默认的session.

换句话说：InteractiveSession 输入的代码少，原因就是它允许变量不需要使用session就可以产生结构。

原文链接：

https://blog.csdn.net/qq_14839543/article/details/77822916

http://www.360doc.com/content/17/0303/14/10408243_633626759.shtml

关注