TensorFlow学习

tf.Session()

tf.Session()是运行tensorflow operation的类。tensorflow中最基本的类型是tensor(张量）,所以Session 丰庄路所有op运行的环境。
Session可能拥有资源，所以不用session的时候需要释放它，一般有两种用法，通常用第二种：

1. sess=tf.Session()
   sess.run(…)
   sess.close()
2. With tf.Session() as sess:
   sess.run(…)

Session中的类的初始化

init(
target=’’,
graph=None,
config=None
)

初始化时候需要传入一个graph，如果没有指定graph，那么会使用默认的graph，即等价graph=tf.get_default_graph()

sess.run()

run(
fetches,
feed_dict=None,
options=None,
run_metadata=None
)

run运行op并且返回在fetches中的tensor。sess.run(A)只运行为了完成run中操作的必要的graph中的操作，并且对在fetches中每一个tensor的值

fetches的值可能是一个graph中的元素，或者一个list,tuple,dict等
如果fectches的值是一个tf.Operation那么返回值为None；如果是tf.Tensor那么相应的fetched value即为numpy.ndarray（值为张量计算后的value）
例子

   a = tf.constant([10, 20])
   b = tf.constant([1.0, 2.0])
   # 'fetches' can be a singleton
   v = session.run(a)
   # v is the numpy array [10, 20]
   # 'fetches' can be a list.
   v = session.run([a, b])
   # v is a Python list with 2 numpy arrays: the 1-D array [10, 20] and the
   # 1-D array [1.0, 2.0]
   # 'fetches' can be arbitrary lists, tuples, namedtuple, dicts:
   MyData = collections.namedtuple('MyData', ['a', 'b'])
   v = session.run({'k1': MyData(a, b), 'k2': [b, a]})
   # v is a dict with
   # v['k1'] is a MyData namedtuple with 'a' (the numpy array [10, 20]) and
   # 'b' (the numpy array [1.0, 2.0])
   # v['k2'] is a list with the numpy array [1.0, 2.0] and the numpy array
   # [10, 20].