在python中查看关键字、需要在解释器中执行哪两条命令_在Tensorflow和Python解释器中执行哪部分代码？...

据我所知，定义图的第一部分应该只使用TensorFlow函数编写。如果您想添加一些python，应该将它从图中分离出来，并通过占位符(tf.placeholder)添加。在

另一方面，在tf.Session()部分，您将通过sess.run()调用图形结果，提供feed_dict值(python对象，主要是数组)。然后，您得到的结果将是python对象，因此python解释器将在这里完成这项工作。在

总结一下：在第一部分中，您定义了TensorFlow图(由TensorFlow编译)。这就是所有重微积分的地方。在

在第二部分中，您运行的代码在Python中，但是通过sess.run()调用TensorFlow图，它由TensorFlow运行(应该包含大部分微积分)

更新

为了回答您更新的问题，您应该尽可能使用TensorFlow函数进行所有计算(因为这样会更快)。现在，如果您需要执行一些在TensorFlow中无法完成的计算，唯一的方法是调用sess.run()并使用占位符将值反馈回图中。在

这是一个最后的办法，因为与TensorFlow实现相比，它将非常慢！在loss = tf.constant(0.5) # in the TensorFlow graph

# Now you want to do some computations in Python, and obtain the value loss_bis

loss_bis = tf.placeholder(tf.float32, [])

res = ... # the TensorFlow graph continues

with tf.Session() as sess:

loss_value = sess.run(loss)

# PYTHON COMPUTATIONS

loss_bis_value = something_complicated_and_impossible_in_tf(loss_value)

sess.run([...], feed_dict={loss_bis=loss_bis_value})