TensorFlow - Session（）和Session（Graph（）之间的差异）

Question

要使用TensorFlow运行程序，我们必须声明一个会话。

那么$(date -u +"%H%M%S" | cut -c 1-5)0和sess = Session()之间有什么区别？

这是sess = Session(Graph())是什么？

Answer 1

在Tensorflow中设计模型时，基本上有两个步骤

1. 构建计算图，节点和操作以及如何 他们相互联系
2. 评估/运行此图表 一些数据

Session对象封装了执行Operation对象的环境，并评估了Tensor对象。例如：

# Launch the graph in a session.
sess = tf.Session()

# Evaluate the tensor `c`.
print(sess.run(c))

• 创建会话时，您将图表放入指定的设备中，如果未指定图形，则会话构造函数尝试使用默认图形构建图形。 sess = tf.Session()

• 在初始化tf.Session（）期间，你可以传入一个像tf.Session（graph = my_graph）这样的图形 with tf.Session(graph=my_graph) as sess:

• https://www.tensorflow.org/api_docs/python/tf/Session

• https://www.tensorflow.org/api_docs/python/tf/Graph
• https://github.com/Kulbear/tensorflow-for-deep-learning-research/issues/1

Answer 2

在TensorFlow中设计model时需要承担以下两个部分：

构建图，代表计算的数据流。

运行会话，执行图中的操作。

通常情况下，可以有多个图和多个会话。 但是总会有一个default graph和一个default session。

在这种情况下，sess = Session()将采用默认会话：

  

如果在构造会话时未指定任何图参数，则将在会话中启动默认图。

sess = Session(Graph())会假定您正在使用多个图形。

  

如果您在同一过程中使用多个图（通过tf.Graph（）创建的图），则每个图必须使用不同的会话，但是每个图都可以在多个会话中使用。将要显式启动的图传递给会话构造函数通常更清楚。