• • • 1. 會話(Session)的作用
    • 2. 會話的生成方式
      • 2.1 使用 tf.sesstion() 函式生成法
      • 2.2 使用 上下問管理器
      • 2.3 使用 預設會話
      • 2.4 使用互動式會話
    • 3. tf.InteractiveSession()與tf.Session()的區別

在tensorflowbian程式設計思想中，我們說到每個計算圖都必須要在一個會話Session中執行。本節主要講會話的作用以及怎麼使用會話。

1. 會話(Session)的作用

會話(Session)可以管理*TensorFlow執行時的所有資源。 計算圖都是在Sesstion中執行的，因此會話中擁有很多資源，並且Sesstion可以對這些資源進行管理。例如，當所有計算完成後，可以使用Session.close()釋放會話資源*，這樣的資源管理可以避免資源浪費。

2. 會話的生成方式

主要有：

• 函式生成法 tf.sesstion()
• 上下文管理器 with tf.sesstion() as sess
• 預設會話 with sess.as_default()
• 互動式會話 tf.InteractiveSession()

2.1 使用 tf.sesstion() 函式生成法

    #建立一個會話
    sess = tf.Session()

    #使用這個會話可以得到張量的結果,例如sess.run(result)
    sess.run(op)

    #關閉會話
    sess.close()

注：

最後需要加上
sess.close()來關閉會話

2.2 使用 上下問管理器

#建立一個會話,通過上下文管理器管理會話
    with
 
 tf.Session() as sess:
        sess.run(op)

2.3 使用 預設會話

在前面計算圖我們知道，可以指定某個計算圖為預設圖，同樣的，我們用函式tf.session（）生成的sess，可以使用sess.as_default()方法手動指定預設會話。

a = tf.constant([1.0])
b = tf.constant([2.0])
output = a + b
sess = tf.Session()
with sess.as_default():

    print(result.eval()) #計算張量的結果

2.4 使用互動式會話

互動式環境下，比如iPython，直接使用tf.InteractiveSession() 構造預設會話.那麼Tensor.eval() 和 Operation.run() 方法會使用這個預設會話去執行操作。

sess=tf.InteractiveSession()
a=tf.constant(5)
b=tf.Variable(3)

init_op = tf.global_variables_initializer() #變數同樣需要先初始化
c=tf.multiply(a,b)

sess.run(init_op)
print (sess.run(c))

3. tf.InteractiveSession()與tf.Session()的區別

tf.InteractiveSession()實際上構建了一個預設會話，且 Tensor.eval() 和 Operation.run() 方法會使用這個預設會話去執行操作 run ops.

• tf.Session()需要在啟動session之前先構建整個計算圖，然後啟動該計算圖。

• tf.InteractiveSession()可以先構建一個session然後再定義操作（operation），主要最後要sess.close()