­

深度学习（三）–session对话和operation操作

  • 2019 年 10 月 4 日
  • 筆記

Session对话

一、session的第一种模式：

import tensorflow as tf    # 定义一个计算图  tens1 = tf.constant([1, 2, 3])    # 创建一个会话  sess = tf.Session()    # 我们通过使用这个对话来实现计算图的计算  print(sess.run(tens1))    # 最后要关闭这个对话  sess.close()

需要明确调用 session.close()来关闭会话并且释放资源，当程序因为异常退出时，关闭会话函数可能就不会被执行从而导致资源的泄漏

升级一下代码：

import tensorflow as tf    # 定义一个计算图  tens1 = tf.constant([1, 2, 3])    # 创建一个会话  sess = tf.Session()    try:      # 我们通过使用这个对话来实现计算图的计算      print(sess.run(tens1))  except:      print("发生异常")  finally:      # 最后要关闭这个对话      sess.close()

二、Session的第二种模式

import tensorflow as tf    # 一个简单的计算图  node1 = tf.constant(3.0, tf.float32, name="node1")  node2 = tf.constant(4.0, tf.float32, name="node1")  result = tf.add(node1, node2)    # 创建一个会话，并通过python的上下文管理器来管理这个会话  with tf.Session() as sess:      print(sess.run(result))    # 此时不需要调用sess.close()函数来结束会话  # 会话会随着上下文管理器的的关闭而自动释放

我们第二种模式是通过python的上下文管理器来创建管理这个会话session，此时是不需要手写来关闭这个session，因为它会随着上下文管理器的关闭而自动结束并且自动释放资源。

三、指定默认会话

import tensorflow as tf    # 一个简单的计算图  node1 = tf.constant(3.0, tf.float32, name="node1")  node2 = tf.constant(4.0, tf.float32, name="node1")  result = tf.add(node1, node2)    sess = tf.Session()    # 指定默认会话  with sess.as_default():      print(result.eval())  sess = tf.Session()      # 这样也是可以直接进行计算的  print(result.eval(session=sess))

tensorflow不会生成默认的会话，需要手动指定，当默认的会话指定之后，可通过eval()函数来计算一个张量的取值

四、交互式环境下设置默认会话

  • 在交互式环境下，python脚本和jupter编辑器下，通过设置默认会话来获取张量的取值更加方便
  • 使用 tf.InteractiveSession() 会自动将生成的会话注册为默认会话
import tensorflow as tf    # 一个简单的计算图  node1 = tf.constant(3.0, tf.float32, name="node1")  node2 = tf.constant(4.0, tf.float32, name="node1")  result = tf.add(node1, node2)    sess = tf.InteractiveSession()  print(result.eval())  sess.close()

operation操作

这里给大家总结一下啥是操作，总的来说也就这几点啦：

• 计算图中的节点就是操作（Operation）

• 一次加法是一个操作，一次乘法也是一个操作

• 构建一些变量的初始值也是一个操作

• 每个运算操作都有属性，它在构建图的时候需要确定下来

• 操作可以和计算设备绑定，指定操作在某个设备上执行

• 操作之间存在顺序关系，这些操作之间的依赖就是“边”

• 如果操作A的输入是操作B执行的结果，那么这个操作A就依赖于操作B

VirMach 便宜 VPS

QNews

QNews