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: