tf中的run()与eval()【转载】

淩亂°似流年 2021-09-30 04:24 328阅读 0赞

**转自：[https://blog.csdn.net/jiaoyangwm/article/details/79248535][https_blog.csdn.net_jiaoyangwm_article_details_79248535] **

1.eval() 其实就是tf.Tensor的Session.run() 的另外一种写法，但两者有差别：

※eval(): 将字符串string对象转化为有效的表达式参与求值运算返回计算结果  
※eval()也是启动计算的一种方式。基于Tensorflow的基本原理，首先需要定义图，然后计算图，其中计算图的函数常见的有run()函数，如sess.run()。同样eval()也是此类函数，  
※要注意的是，eval()只能用于**tf.Tensor**类对象，也就是有输出的Operation。对于没有输出的Operation, 可以用.run()或者Session.run()；Session.run()没有这个限制。  
2.

![1324606-20190318150027644-1377785314.png][]

如果你有一个**Tensor t，在使用t.eval()时，等价于：tf.get\_default\_session().run(t). **  
举例：

t = tf.constant(42.0)
    sess = tf.Session()
    with sess.as_default():   # or `with sess:` to close on exit
        assert sess is tf.get_default_session()
        assert t.eval() == sess.run(t)

//什么也不输出表示等价。

**这其中最主要的区别就在于你可以使用sess.run()在同一步获取多个tensor中的值， **  
例如：

t = tf.constant(42.0)
    u = tf.constant(37.0)
    tu = tf.mul(t, u)
    ut = tf.mul(u, t)
    with sess.as_default():
       tu.eval()  # runs one step
       ut.eval()  # runs one step
       sess.run([tu, ut])  # evaluates both tensors in a single step

注意到：每次使用 eval 和 run时，都会执行整个计算图，为了获取计算的结果，将它分配给tf.Variable，然后获取。

//就是针对一个tensor来说，eval和run 没有区别，要传入多个需要用run.

**2019-3-21更————**

sess.run中第一个参数是你要执行的Tensor，第二个是要feed的参数，是字典。

转载于:https://www.cnblogs.com/BlueBlueSea/p/10552249.html

[https_blog.csdn.net_jiaoyangwm_article_details_79248535]: https://blog.csdn.net/jiaoyangwm/article/details/79248535
[1324606-20190318150027644-1377785314.png]: /images/20210725/f8bae72283fb40b9a211204324299f99.png