Question

在哪些情况下，tf.Session()和tf.InteractiveSession()应考虑用于何种目的？

当我尝试使用前者时，某些功能（例如.eval()）不起作用，当我改为后者时，它起作用了。

Answer 1

主要取自official文档：

与常规会话的唯一区别是InteractiveSession将自身安装为构造时的默认会话。方法Tensor.eval（）和Operation.run（）将使用该会话来运行操作。

这允许使用交互式上下文，比如shell，因为它避免了必须传递显式Session对象来运行op：

sess = tf.InteractiveSession()
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
# We can just use 'c.eval()' without passing 'sess'
print(c.eval())
sess.close()

还可以说，InteractiveSession支持更少的输入，因为允许运行变量而无需经常引用会话对象。

Answer 2

Session与InteractiveSession之间的唯一区别是InteractiveSession使自己成为default session，以便您可以致电run()或eval()没有明确调用会话。

如果您在python shell或Jupyter笔记本中试验TF，这会很有用，因为它可以避免必须传递显式的Session对象来运行操作。

Answer 3

在根据official documentation将自身安装为默认会话的基础上，通过一些内存使用测试，似乎交互式会话使用了gpu_options.allow_growth = True选项-请参阅[using_gpu＃allowing_gpu_memory_growth]-默认情况下，tf.Session（）分配整个GPU内存。

Answer 4

与上述差异不同 - 最重要的区别在于session.run()我们可以一步获取多个张量的值。

例如：

num1 = tf.constant(5)
num2 = tf.constant(10)
num3 = tf.multiply(num1,num2)
model = tf.global_variables_initializer()

session = tf.Session()
session.run(model)

print(session.run([num2, num1, num3]))

tf.Session（）和tf.InteractiveSession（）之间的区别是什么？

4 个答案: