TensorFlow會話常用的兩種方式

需要注意的是我們可以使用兩種方法來建立並使用session

方法一：

sess =tf.session()

result = sess.run(...,feed_dict =)
sess.close()

方法二：

with tf.session as sess:

result = sess.run(...,feed_dict = )

1.1 - 線性函式

讓我們通過計算以下等式來開始程式設計：y=wx+by=wx+by=wx+b ,w和x是隨機矩陣，b是隨機向量。

我們計算wx+b，其中w，x和b是從隨機正態分佈中抽取的。 w的維度是（4,3），x是（3,1），b是（4,1）。 我們開始定義乙個shape=（3,1）的常量x：

x = tf.constant(np.random.randn(3,1), name = "x")

def

linear_function():
"""實現乙個線性功能：
初始化w，型別為tensor的隨機變數，維度為(4,3)
初始化x，型別為tensor的隨機變數，維度為(3,1)
初始化b，型別為tensor的隨機變數，維度為(4,1)
返回：result - 執行了session後的結果，執行的是y = wx + b
"""np.random.seed(1)  #
指定隨機種子
x = np.random.randn(3, 1)
w = np.random.randn(4, 3)
b = np.random.randn(4, 1)
y = tf.add(tf.matmul(w, x), b)  #
tf.matmul是矩陣乘法
#y = tf.matmul(w,x) + b #也可以以寫成這樣子
"""# 建立乙個session並執行它(第一種方法建立會話)
sess = tf.session()
result = sess.run(y)
# session使用完畢，關閉它
sess.close()
return result
print("result = " + str(linear_function()))
"""#
使用第二種方法建立會話
with tf.session() as sess:
result =sess.run(y)
sess.close()
return
result
print("
result = 
" + str(linear_function()))

以上的session都是在函式內部建立的

Tensorflow建立會話，啟動會話

import tensorflow as tf 定義乙個常量 m1 tf.constant 3,3 這是乙個一行兩列的資料 print m1 m2 tf.constant 2 3 print m2 輸出 tensor const 5 0 shape 1,2 dtype int32 tensor co...

tensorflow執行模型 會話

tensorflow的會話 session 用來執行定義好的運算。會話擁有並管理tensorflow程式執行時的所有資源。當所有計算完成後要關閉會話來幫助系統 資源，否則可能出現資源洩露的問題。tensorflow中的會話的使用模式有兩種 1 第一種模式需要明確呼叫會話生成函式和關閉會話函數。流程 ...

tensorflow基礎學習 會話

會話 tensorflow執行模型 一 tensorflow系統結構的概述 從圖中可以看出tensorflow的整個系統在結構上大體可以分為兩個子系統 前端系統和後端系統。其中前端系統提供程式設計模型，負責構造計算圖 後端系統提供執行時環境，負責執行計算圖。我們重點關注系統中client distr...