【tensorflow】Session

本文主要参考：https://www.cnblogs.com/zyly/p/8869763.html

在tensorflow框架基础上，介绍Session的创建、Session与图的交互机制和Session中指定GPU运算资源

1、运行机制

tensdorflow的运行机制是定义与运行相分离。从操作层面可以抽象为两种：构造模型和运行模型

tensorflow中有一个图容器，该容器中包括：

• 张量（tensor）：tensorflow框架使用tensor数据结构代表所有的数据，计算图中，所有的操作传递的数据都是tensor，可将tensor看作一个N维的数组或列表。
• 变量（variable）：用于定义模型中的参数，是通过不断训练得到的值，如权重和偏置。
• 占位符（placeholder）：输入变量的载体，也可理解为定义函数时的参数。
• 节点操作（op）：一个op获得0个或者多个tensor。执行计算时，产生0个或者多个tensor。op是描述张量中的运算关系，是网络中真正的结构。

TF图描述了计算的过程，为进行计算，图必须在会话里启动，会话将图的op分发到CPU或者GPU上，同时执行op的方法。这些方法执行后，将产生的tensor返回，在python中，返回的tensor是numpy array对象，在c或者c++中，返回的tensor是tensor实例。

Session与图的交互过程中定义了两种数据流向机制：

• 注入机制（feed）：通过占位符向图中传入数据。
• 取回机制（fetch）：从图中取得结果。

2、Session的使用

例1：

 

 

 

 

 

参考：https://www.cnblogs.com/zyly/p/8869763.html