在tensorflow中，变量值是会话存储的唯一上下文信息吗？

Question

假设我们运行session.run([tensor_to_eval])，唯一的驻留信息是否为tf.Variable值，所有其他评估结果是从调用返回还是丢弃？

假设我们有两个会话，他们是否共享除默认图表以外的任何内容？

Answer 1

在TensorFlow run()中，session来电（＆＃34;步骤＆＃34;）之间保留了各种形式的州：

• 正如您已经指出的那样，tf.Variable个对象在调用之间存储值，可以通过任何步骤读取和写入。
• TensorFlow队列（tutorial）允许您将enqueue one或many个值放入一个步骤中的有界缓冲区，并使dequeue one或many值后一步。队列还支持步骤之间的协调，例如生产者/消费者关系中的背压。它们还允许您使用tf.train.batch()等函数在逐个元素和批量计算之间切换。
• TensorFlow阅读器（tutorial）就像隐式文件指针一样，记住它们在步骤之间的文件中的当前位置。例如，后续执行read()操作会产生不同的lines of a text file。

在TensorFlow的单进程版本中，会话不共享任何状态。它们可以共享相同的图形（如果它们都使用相同的默认图形创建），但有状态组件（例如tf.Variable对象）将在不同的会话中采用不同的值。

distributed runtime增加对资源容器的支持＆＃34;在会话之间共享。这些包括变量，队列和读者，可以通过将可选的container参数传递给这些对象的构造函数来配置。