博客
关于我
TensorFlow之会话
阅读量:782 次
发布时间:2019-03-24

本文共 2514 字,大约阅读时间需要 8 分钟。

TensorFlow会话指南

TensorFlow的会话机制是构建和运行TensorFlow图的核心。一旦打开会话,无论是使用tf.Session还是tf.InteractiveSession,都将为你提供一个与TensorFlow运行时通信的桥梁。


1.1 会话的初始化

会话可以通过以下方式创建和配置:

  • tf.Session(target='', graph=None, config=None):默认情况下,会话将使用本地设备。你也可以指定远程服务器的地址(如grpc://)。
  • graph:指定会使用的TensorFlow图。如果不指定,默认使用当前的默认图。
  • config:用于配置会话的参数,如是否允许软分配或日志设备分配。

示例代码:

import osimport tensorflow as tfos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'tf.compat.v1.disable_v2_behavior()def session_demo():    a = tf.constant(10)    b = tf.constant(20)    c = tf.add(a, b)        with tf.Session(config=tf.ConfigProto(        allow_soft_placement=True,        log_device_placement=True    )) as sess:        print("TensorFlow实现加法运算:\n", c)        print(sess.run([a, b, c]))            return Noneif __name__ == '__main__':    session_demo()

1.2 会话的运行

1.2.1 run()方法

sess.run()是运行TensorFlow操作的核心方法:

  • fetches:指定要执行的操作(列表、元组等)。
  • feed_dict:用于在运行时赋值占位符,配合tf.placeholder使用。
  • options:指定执行选项(如设备筛选)。
  • run_metadata:用于获取运行时元数据。

示例代码:

import osimport tensorflow as tfos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'tf.compat.v1.disable_v2_behavior()def session_run_demo():    a = tf.placeholder(tf.float32)    b = tf.placeholder(tf.float32)    sum_ab = tf.add(a, b)        with tf.Session() as sess:        result = sess.run(sum_ab, feed_dict={a: 3.0, b: 4.0})        print("结果:\n", result)            return Noneif __name__ == '__main__':    session_run_demo()

1.3 feed操作

**feed_dict**允许你在运行时指定占位符值,适合动态数据:

  • 将数据通过feed_dict映射到占位符。
  • gs:// URI可以指定远端存储位置。

示例代码:

import osimport tensorflow as tfos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'tf.compat.v1.disable_v2_behavior()def session_run_demo():    # 定义占位符    a = tf.placeholder(tf.float32)    b = tf.placeholder(tf.float32)    sum_ab = tf.add(a, b)        # 用feed_dict赋值    with tf.Session() as sess:        #运行会话并输出结果        print("markdown 格式展示结果:\n", sess.run(sum_ab, feed_dict={a: 3.0, b: 4.0}))            return Noneif __name__ == '__main__':    session_run_demo()

1.4 会话的关闭

无论何时结束使用会话,记得关闭它以释放资源。可以使用sess.close()方法,或者使用上下文管理器。

示例代码:

import osimport tensorflow as tfos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'tf.compat.v1.disable_v2_behavior()def session_demo():    with tf.Session() as sess:        a_t = tf.constant(10)        b_t = tf.constant(20)        c_t = tf.add(a_t, b_t)        print("运行结果:\n", sess.run([a_t, b_t, c_t]))    print("会话已经关闭,不可再用")if __name__ == '__main__':    session_demo()

关键点总结

  • 会话类型tf.Session用于程序中,tf.InteractiveSession用于命令行。
  • 初始化参数target控制设备位置,graph指定使用的图,config优化资源分配。
  • 运行方法:使用run()执行操作,feed_dict赋值占位符。
  • 资源管理:控制在使用后释放资源。

转载地址:http://fnekk.baihongyu.com/

你可能感兴趣的文章
MySQL 深度分页性能急剧下降,该如何优化?
查看>>
MySQL 添加列,修改列,删除列
查看>>
mysql 添加索引
查看>>
MySQL 添加索引,删除索引及其用法
查看>>
MySQL 用 limit 为什么会影响性能?
查看>>
MySQL 用 limit 为什么会影响性能?有什么优化方案?
查看>>
MySQL 用户权限管理:授权、撤销、密码更新和用户删除(图文解析)
查看>>
mysql 用户管理和权限设置
查看>>
MySQL 的 varchar 水真的太深了!
查看>>
mysql 的GROUP_CONCAT函数的使用(group_by 如何显示分组之前的数据)
查看>>
MySQL 的instr函数
查看>>
MySQL 的mysql_secure_installation安全脚本执行过程介绍
查看>>
MySQL 的Rename Table语句
查看>>
MySQL 的全局锁、表锁和行锁
查看>>
mysql 的存储引擎介绍
查看>>
MySQL 的存储引擎有哪些?为什么常用InnoDB?
查看>>
Mysql 知识回顾总结-索引
查看>>
Mysql 笔记
查看>>
MySQL 精选 60 道面试题(含答案)
查看>>
mysql 索引
查看>>