Tensorflow学习笔记:About Session, Graph, Operation and Tensor
来源:互联网 发布:柯尔特蟒蛇357淘宝模型 编辑:程序博客网 时间:2024/05/18 02:34
转自:http://www.cnblogs.com/lienhua34/p/5998853.html
Session
Session提供了Operation执行和Tensor求值的环境。如下面所示,
import tensorflow as tf# Build a graph.a = tf.constant([1.0, 2.0])b = tf.constant([3.0, 4.0])c = a * b# Launch the graph in a session.sess = tf.Session()# Evaluate the tensor 'c'.print sess.run(c)sess.close()# result: [3., 8.]
一个Session可能会拥有一些资源,例如Variable或者Queue。当我们不再需要该session的时候,需要将这些资源进行释放。有两种方式,
- 调用session.close()方法;
- 使用with tf.Session()创建上下文(Context)来执行,当上下文退出时自动释放。
上面的例子可以写成,
import tensorflow as tf# Build a graph.a = tf.constant([1.0, 2.0])b = tf.constant([3.0, 4.0])c = a * bwith tf.Session() as sess: print sess.run(c)
Session类的构造函数如下所示:
tf.Session.__init__(target='', graph=None, config=None)
如果在创建Session时没有指定Graph,则该Session会加载默认Graph。如果在一个进程中创建了多个Graph,则需要创建不同的Session来加载每个Graph,而每个Graph则可以加载在多个Session中进行计算。
执行Operation或者求值Tensor有两种方式:
- 调用Session.run()方法: 该方法的定义如下所示,参数fetches便是一个或者多个Operation或者Tensor。
tf.Session.run(fetches, feed_dict=None)
- 调用Operation.run()或则Tensor.eval()方法: 这两个方法都接收参数session,用于指定在哪个session中计算。但该参数是可选的,默认为None,此时表示在进程默认session中计算。
那如何设置一个Session为默认的Session呢?有两种方式:
- 在with语句中定义的Session,在该上下文中便成为默认session;上面的例子可以修改成:
import tensorflow as tf# Build a graph.a = tf.constant([1.0, 2.0])b = tf.constant([3.0, 4.0])c = a * bwith tf.Session(): print c.eval()
- 在with语句中调用Session.as_default()方法。 上面的例子可以修改成:
import tensorflow as tf# Build a graph.a = tf.constant([1.0, 2.0])b = tf.constant([3.0, 4.0])c = a * bsess = tf.Session()with sess.as_default(): print c.eval()sess.close()
Graph
Tensorflow中使用tf.Graph类表示可计算的图。图是由操作Operation和张量Tensor来构成,其中Operation表示图的节点(即计算单元),而Tensor则表示图的边(即Operation之间流动的数据单元)。
tf.Graph.__init__()创建一个新的空Graph
在Tensorflow中,始终存在一个默认的Graph。如果要将Operation添加到默认Graph中,只需要调用定义Operation的函数(例如tf.add())。如果我们需要定义多个Graph,则需要在with语句中调用Graph.as_default()方法将某个graph设置成默认Graph,于是with语句块中调用的Operation或Tensor将会添加到该Graph中。
例如,
import tensorflow as tfg1 = tf.Graph()with g1.as_default(): c1 = tf.constant([1.0])with tf.Graph().as_default() as g2: c2 = tf.constant([2.0])with tf.Session(graph=g1) as sess1: print sess1.run(c1)with tf.Session(graph=g2) as sess2: print sess2.run(c2)# result:# [ 1.0 ]# [ 2.0 ]
如果将上面例子的sess1.run(c1)和sess2.run(c2)中的c1和c2交换一下位置,运行会报错。因为sess1加载的g1中没有c2这个Tensor,同样地,sess2加载的g2中也没有c1这个Tensor。
Operation
一个Operation就是Tensorflow Graph中的一个计算节点。其接收零个或者多个Tensor对象作为输入,然后产生零个或者多个Tensor对象作为输出。Operation对象的创建是通过直接调用Python operation方法(例如tf.matmul())或者Graph.create_op()。
例如c = tf.matmul(a, b)表示创建了一个类型为MatMul的Operation,该Operation接收Tensor a和Tensor b作为输入,而产生Tensor c作为输出。
当一个Graph加载到一个Session中,则可以调用Session.run(op)来执行op,或者调用op.run()来执行(op.run()是tf.get_default_session().run()的缩写)。
Tensor
Tensor表示的是Operation的输出结果。不过,Tensor只是一个符号句柄,其并没有保存Operation输出结果的值。通过调用Session.run(tensor)或者tensor.eval()方可获取该Tensor的值。
关于Tensorflow的图计算过程
我们通过下面的代码来看一下Tensorflow的图计算过程:
import tensorflow as tfa = tf.constant(1)b = tf.constant(2)c = tf.constant(3)d = tf.constant(4)add1 = tf.add(a, b)mul1 = tf.mul(b, c)add2 = tf.add(c, d)output = tf.add(add1, mul1)with tf.Session() as sess: print sess.run(output)# result: 9
上面的代码构成的Graph如下图所示,
当Session加载Graph的时候,Graph里面的计算节点都不会被触发执行。当运行sess.run(output)的时候,会沿着指定的Tensor output来进图路径往回触发相对应的节点进行计算(图中红色线表示的那部分)。当我们需要output的值时,触发Operation tf.add(add1, mul1)被执行,而该节点则需要Tensor add1和Tensor mul1的值,则往回触发Operation tf.add(a, b)和Operation tf.mul(b, c)。以此类推。
所以在计算Graph时,并不一定是Graph中的所有节点都被计算了,而是指定的计算节点或者该节点的输出结果被需要时。
- Tensorflow学习笔记2:About Session, Graph, Operation and Tensor
- Tensorflow学习笔记:About Session, Graph, Operation and Tensor
- Tensorflow学习笔记2:About Session, Graph, Operation and Tensor
- About Session, Graph, Operation and Tensor
- tensorflow学习笔记(一):基本知识之tensor,operation和Session
- 【TensorFlow动手玩】基本概念: Tensor, Operation, Graph
- tensorflow API简单整理(四、Graph,Operation&Tensor)
- [tensorflow学习笔记]tensor.eval
- 学习笔记TF007:Tensor、Graph、Op、Variable、占位符、Session、名称作用域、Board综合例子
- Tensorflow实战学习(七)【Tensor、Graph、Op、Variable、占位符、Session、名称作用域、Board综合例子】
- TensorFlow学习:Graph和Session
- tensorflow学习笔记(二):tensor 变换
- Tensorflow 学习笔记- tensor的声明
- 【TensorFlow】框架学习笔记tensor(一)
- 【TensorFlow 学习】Session.run()和Tensor.eval()的区别
- TensorFlow学习(三):Graph和Session
- TensorFlow学习(三):Graph和Session
- tensorflow | 重新学习 | 了解graph 和 Session
- 结构体初始化
- java基础 基本类型转换
- 数据结构-单线性链式-头插法
- mysql MyISAM和InnoDB
- SpringBoot多表查询的实现
- Tensorflow学习笔记:About Session, Graph, Operation and Tensor
- java timer缺陷
- HDU
- 敏捷开发之类的摘抄
- centos7安装mysql
- xlistview布局
- webpack入门
- logistic回归总结
- 为什么要开展压力测试 和 什么时候开展压力测试