tf.InteractiveSession()

tf.InteractiveSession():它能让你在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互式环境中的人们来说非常便利，比如使用IPython。
tf.InteractiveSession()是一种交互式的session方式，它让自己成为了默认的session，也就是说用户在不需要指明用哪个session运行的情况下，就可以运行起来，这就是默认的好处。这样的话就是run()和eval()函数可以不指明session

tf.Session()

tf.Session():需要在启动session之前构建整个计算图，然后启动该计算图。

示例

import tensorflow as tf
import numpy as npa=tf.constant([[1., 2., 3.],[4., 5., 6.]])
b=np.float32(np.random.randn(3,2))
c=tf.matmul(a,b)
init=tf.global_variables_initializer()
sess = tf.InteractiveSession()
print (c.eval())sess.close()

以下几种等价：

sess = tf.InteractiveSession()
print (c.eval())sess.close()

sess = tf.Session()
with sess.as_default():

sess=tf.Session()
print (c.eval(session=sess))
sess.close()

with tf.Session() as sess:print(sess.run(c))print(c.eval())

使用区别：

在我们使用tf.InteractiveSession()来构建会话的时候，我们可以先构建一个session然后再定义操作（operation），
如果我们使用tf.Session()来构建会话我们需要在会话构建之前定义好全部的操作（operation）然后再构建会话。
使用InteractiveSession一个主要的变化是：运行在没有指定会话对象的情况下运行变量。这是与Session（）最大的不同。
Session（）使用with…as…后可以不使用close关闭对话，而调用InteractiveSession需要在最后调用close

总结：tf.InteractiveSession()默认自己就是用户要操作的session，而tf.Session()没有这个默认，因此用eval()启动计算时需要指明session。

tf.InteractiveSession()与tf.Session()相关推荐

TensorFlow 学习（七） — 常用函数 api、tf.nn、tf.keras
0. 四则运算平方:tf.square(),开方:tf.sqrt() tf.add().tf.sub().tf.mul().tf.div().tf.mod().tf.abs().tf.neg() 1 ...
tf里面InteractivateSession()与Session()的区别
区别我们使用tf.InteractiveSession()来构建会话的时候,我们可以先构建一个session然后再定义操作(operation) 如果使用tf.Session(),我们需要在会话构建 ...
tensorflow 启动Session(tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session() )
(1)tf.Session() 计算图构造完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象. 示例程序: #coding:utf-8 import tensorflow as t ...
TensorFlow 学习（二）—— tf.Graph、tf.Session() 与 tf.Session().run()
session: with tf.Session() as sess:/ tf.InteractiveSession() 初始化: tf.global_variables_initializer() ...
tf.name_scope() 和 tf.variable_scope() 的用法和玄机
2019独角兽企业重金招聘Python工程师标准>>> 一. name_scope 和 variable_scope的用途用途1: 共享变量 TensorFlow (TF) 中,n ...
tf.variable和tf.get_Variable以及tf.name_scope和tf.variable_scope的区别
在训练深度网络时,为了减少需要训练参数的个数(比如具有simase结构的LSTM模型).或是多机多卡并行化训练大数据大模型(比如数据并行化)等情况时,往往需要共享变量.另外一方面是当一个深度学习模型变 ...
tf.sign和tf.reduce_sum
tf.sign和tf.reduce_sum tensorflow中两个经常用到的操作,理解的不是很透彻,故在此做标记: 关于reduce_sum的维度问题也容易让人迷惑,特找来好用的图示,一看即懂: ...
tf.truncated_normal和tf.random_normal使用方法的区别
1.tf.truncated_normal使用方法 tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=No ...
TF：tensorflow框架中常用函数介绍—tf.Variable()和tf.get_variable()用法及其区别
TF:tensorflow框架中常用函数介绍-tf.Variable()和tf.get_variable()用法及其区别目录 tensorflow框架 tensorflow.Variable()函数 ...

tf.InteractiveSession()与tf.Session()

tf.InteractiveSession()

tf.Session()

示例

tf.InteractiveSession()与tf.Session()相关推荐

最新文章

热门文章