Tensorflow学习笔记：InteractiveSession() 与Session()的区别

Tensorflow依赖于一个高效的C++后端来进行计算。与后端的这个连接叫做session。一般而言，使用TensorFlow程序的流程是先创建一个图，然后在session中启动它。

区别一：

tf.InteractiveSession()：是一种交替式的会话方式，它让自己成为了默认的会话，也就是说用户在单一会话的情境下，不需要指明用哪个会话也不需要更改会话运行的情况下，就可以运行起来，结果就是运行run和eval()函数可以不指明session。

tf.Session()：运行run和eval()函数需要指明session。

对比一下两组代码就明白了（为了使对比更加突出，这里先忽略初始化init的运行）。

代码一：使用tf.Session()——会编译报错

import tensorflow as tf
import numpy as np

a=tf.constant([[1., 2., 3.],[4., 5., 6.]])
b=np.float32(np.random.randn(3,2))
c=tf.matmul(testa,testb)
init=tf.global_variables_initializer()

sess=tf.Session()
print (c.eval())

代码二：使用tf.InteractiveSession()——不会报错

import tensorflow as tf
import numpy as np

a=