TensorFlow中Session的用法

 

TensorFlow中Session的用法¶

 

作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/

所用版本：python3.5.2，tensorflow1.8.0，tensorboard1.8.0

In [1]:

# 简单实现

In [2]:

import tensorflow as tf

In [3]:

a = tf.add(2, 5)

In [4]:

b = tf.multiply(a, 3)

In [5]:

sess = tf.Session()

In [6]:

sess.run(b)

Out[6]:

21

In [7]:

sess.run([a, b])

Out[7]:

[7, 21]

In [8]:

# feed_dict参数：覆盖数据流图中的张量对象值

In [9]:

reset

 

Once deleted, variables cannot be recovered. Proceed (y/[n])? y

In [10]:

import tensorflow as tf

In [11]:

a = tf.add(2, 5)

In [12]:

b = tf.multiply(a, 3)

In [13]:

sess = tf.Session()

In [14]:

aa = {a: 15} # 将a值替换为15

In [15]:

sess.run(b, feed_dict=aa)

Out[15]:

45

In [16]:

sess.close()

In [17]:

# 输入与占位符

In [18]:

reset

 

Once deleted, variables cannot be recovered. Proceed (y/[n])? y

In [19]:

import tensorflow as tf

In [20]:

import numpy as np

In [21]:

# 创建一个长度为2，数据类型为int32的占位向量

In [22]:

a = tf.placeholder(tf.int32, shape=[2], name="my_imput")

In [23]:

# 将该占位向量视为其他任意张量对象，加以使用

In [24]:

b = tf.reduce_prod(a, name="prod_b")

In [25]:

c = tf.reduce_sum(a, name="sum_c")

In [26]:

# 完成数据流图的定义

In [27]:

d = tf.add(b ,c, name="add_d")

In [28]:

sess = tf.Session()

In [29]:

# 创建一个将传给feed_dict参数的字典

In [30]:

# 键：‘a’，指向占位符输出张量对象的句柄

In [31]:

# 值：一个值为[5, 3]，类型为int32的向量

In [32]:

aa = {a: np.array([5, 3], dtype=np.int32)}

In [33]:

# 计算d值，将aa的“值”传给a

In [34]:

sess.run(d, feed_dict=aa)

Out[34]:

23

In [35]:

# 这里计算d值依赖于a的输出

In [36]:

sess.close()