Question

我经常在Tensorflow代码中看到以下模式，但通常忽略它们会获得更好的性能。

with tf.Graph().as_default():

    # Build graph here ...
    loss, train_op = ...

    with tf.Session() as sess: # OR: with sv.managed_sess() as sess, etc.

        # Run training steps here ...
        sess.run(train_op)

但我更喜欢先定义我的图形，然后单独运行会话，如下所示（特别是在Jupyter笔记本中）。

在一个区块中：

with tf.Graph().as_default():

    # Build graph here ...
    loss, train_op = ...

在另一个街区：

with tf.Session() as sess: # OR: with sv.managed_sess() as sess, etc.

    # Run training steps here ...
    sess.run(train_op)

我注意到在第一种方法中创建图表需要时间。有时我会使用多个图表，第二种方法是我唯一的选择。为什么一种方法比另一种更好？

Answer 1

请勿使用第二个版本。我真的很惊讶它可以像你一样工作。此

import tensorflow as tf

with tf.Graph().as_default():
  x = tf.zeros(())

with tf.Session() as sess:
  sess.run(x)

使用

在张量流1.2.1上失败

RuntimeError: The Session graph is empty.  Add operations to the graph before calling run().

如果您使用的是单个图表，则实际上可以安全地删除with tf.Graph().as_default():行，因为默认情况下已经是默认图表。您不需要创建一个额外的。所以这个

import tensorflow as tf

x = tf.zeros(())

with tf.Session() as sess:
  sess.run(x)

完全合法，在我看来更为可取。

现在，如果您使用的是多个图表......那么，通常情况下，使用单个图表会更好。使用多个图表无法获得任何好处。你应该只在必要时使用它们。

Answer 2

在常规python脚本中这两种方法没有区别。但是，如果您使用笔记本电脑并分别执行单元格，那么显然不能重新创建图表比从头开始制作图片更快。

tf.Session（）是否属于tf.Graph（）的上下文？

2 个答案: