Tensorflow：操作执行原理

我会带着你远行 2022-01-27 23:49 224阅读 0赞

## 基本原理 ##

在TensorFlow中，所有的操作只有当你执行，或者另一个操作依赖于它的输出时才会运行。

运行op

构建图时不需要显示声明变量名，如

tf.concat(axis=1, values=initial_state, name="initial_state")

直接使用图中的name就可以运行了。

initial_state = sess.run(fetches="lstm/initial_state:0",
                             feed_dict={"case_feed:0": case_feature})

## tensorflow会话session ##

TensorFlow会自动生成一个默认的计算图，如果没有特殊指定，运算会自动加入这个计算图中。TensorFlow中的会话也有类似的机制，但是TensorFlow不会自动生成默认的会话，而是需要手动指定。

tf.Session()创建一个会话，当上下文管理器退出时会话关闭和资源释放自动完成。

tf.Session().as\_default()创建一个默认会话，当上下文管理器退出时会话没有关闭，还可以通过调用会话进行run()和eval()操作。

import tensorflow as tf
    
    a = tf.constant([[3, 2, 7],
                     [2, 9, 8]])
    print(a)
    with tf.Session() as sess:
        print(sess.run(a))
        # print(a.eval()) #或者这样

输出：

Tensor("Const:0", shape=(2, 3), dtype=int32)  
\[\[3 2 7\]  
 \[2 9 8\]\]

Note: 直接print只会打印tensor信息，是没有数值的。参考\[[Tensorflow：输入输出][Tensorflow]\]

import tensorflow as tf  
a = tf.constant(1.0)  
b = tf.constant(2.0)  
with tf.Session().as\_default() as sess:  
   print(a.eval())     
print(b.eval(session=sess))  
1.0  
2.0

### sess.run ###

sess.run()里面的执行顺序是按fetch列表中的元素，在计算图中的出现的先后顺序执行一次完后，最后统一输出，不会重复执行。即：fetch列表中的节点打乱时， 取出来的值依然是一次流程图计算出来的结果，不是按照fetch列表中出现的先后顺序执行。

m = tf.Variable(initial\_value=2,dtype=tf.float32)  
n = m+1  
j = n+1  
   
with tf.Session() as sess:  
    tf.global\_variables\_initializer().run()  
    print(sess.run(\[m,j,n\]))  
————————————————

结果

\[2.0,3.0,4.0\]

[\-柚子皮-][-_-]

from: [\-柚子皮-][-_-]

ref:

[Tensorflow]: https://blog.csdn.net/pipisorry/article/details/75276189
[-_-]: https://me.csdn.net/pipisorry