Question

我正在练习称为连接的keras方法。

在此示例中使用with语句会让我思考该语句的目的

示例代码如下：

import numpy as np 
import keras.backend as K
import tensorflow as tf

t1 = K.variable(np.array([ [[1, 2], [2, 3]], [[4, 4], [5, 3]]]))
t2 = K.variable(np.array([[[7, 4], [8, 4]], [[2, 10], [15, 11]]]))

d0 = K.concatenate([t1 , t2] , axis=-2)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(d0))

然后我从以下位置检查文档：tensorflow 并说：

会话可能拥有资源，例如tf.Variable，tf.QueueBase和tf.ReaderBase。当不再需要这些资源时，重要的是释放它们。为此，请在会话上调用tf.Session.close方法，或将该会话用作上下文管理器。

我相信已经解释了所有这些内容，但是有人可以给我更直观的解释。

预先感谢，祝您愉快！

Answer 1

tf.Session()启动一个TensorFlow Graph对象，在其中通过操作（或ops）处理张量。操作完成后，with块将终止会话。因此，不需要调用Session.close。此外，会话包含变量，全局变量，占位符和操作。这些必须在创建会话后启动。因此，我们称tf.global_variables_initializer().run()

图包含张量和运算。要启动图，将创建一个运行该图的会话。换句话说，图提供了一个模式，而会话则处理一个图以计算值（张量）。

Answer 2

张量流documentation对此非常具体。

由于tf.Session拥有物理资源（例如GPU和网络连接），因此通常用作上下文管理器（在with块中），当您退出该块时，它将自动关闭会话

也可以在不使用with块的情况下创建会话，但是在完成tf.Session.close释放资源后，您应该显式调用{{3}}。

目的是使用“ with tf.Session（）”？

2 个答案: