TensorFlow入門:tf.InteractiveSession()與tf.Session()區別
tf.InteractiveSession():它能讓你在執行圖的時候,插入一些計算圖,這些計算圖是由某些操作(operations)構成的。這對於工作在互動式環境中的人們來說非常便利,比如使用IPython。
tf.Session():需要在啟動session之前構建整個計算圖,然後啟動該計算圖。
意思就是在我們使用tf.InteractiveSession()來構建會話的時候,我們可以先構建一個session然後再定義操作(operation),如果我們使用tf.Session()來構建會話我們需要在會話構建之前定義好全部的操作(operation)然後再構建會話。
官方tutorial是這麼說的:
The only difference with a regular Session is that an InteractiveSession installs itself as the default session on construction. The methods Tensor.eval() and Operation.run() will use that session to run ops.
翻譯一下就是:tf.InteractiveSession()是一種互動式的session方式,它讓自己成為了預設的session,也就是說使用者在不需要指明用哪個session執行的情況下,就可以執行起來,這就是預設的好處。這樣的話就是run()和eval()函式可以不指明session啦。
對比一下:
import tensorflow as tf
import numpy as np
a=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.Session()
print (c.eval())
上面的程式碼編譯是錯誤的,顯示錯誤如下:
ValueError: Cannot evaluate tensor using `eval()`: No default session is registered
import tensorflow as tf
import numpy as np
a=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())
而用InteractiveSession()就不會出錯,說白了InteractiveSession()相當於:
sess=tf.Session()
with sess.as_default():
換句話說,如果說想讓sess=tf.Session()起到作用,一種方法是上面的with sess.as_default();另外一種方法是
sess=tf.Session()
print (c.eval(session=sess))
其實還有一種方法也是with,如下:
import tensorflow as tf
import numpy as np
a=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()
with tf.Session() as sess:
#print (sess.run(c))
print(c.eval())
總結:tf.InteractiveSession()預設自己就是使用者要操作的session,而tf.Session()沒有這個預設,因此用eval()啟動計算時需要指明session。