TensorFlow基础入门(二)---TensorFlow的基本运算
TensorFlow运行模型-会话
会话(session)
会话拥有并管理TensorFlow程序运行时的所有资源
当所有计算完成之后需要关闭会话帮助系统回收资源
import tensorflow as tf ''' TensorFlow运行模型-会话 会话(session) 会话拥有并管理TensorFlow程序运行时的所有资源 当所有计算完成之后需要关闭会话帮助系统回收资源 ''' #会话模式 #定义计算图 tens1=tf.constant([1,2,3]) #创建一个会话 sess=tf.Session() try: #使用这个创建好的会话,得到关心的运算结果。 print(sess.run(tens1)) except: print("Exception!") finally: sess.close() #结果[1,2,3]
会话模式2
#会话模式2 node1=tf.constant(3.0,tf.float32,name="node1") node2=tf.constant(4.0,tf.float32,name="node2") result=tf.add(node1,node2) #创建一个会话,并通过python的上下文管理器来管理这个会话 with tf.Session() as sess: print(sess.run(result)) #不需要再调用Session.close()函数来关闭会话 #当上下文退出时会话关闭和资源释放也自动完成
指定默认的会话
TensorFlow不会自动生成默认的会话,需要手动指定
当默认的会话被指定之后可以通过tf.Tensor.eval函数来计算一个张量的取值
#指定默认会话 node11=tf.constant(3.0,tf.float32,name="node11") node22=tf.constant(4.0,tf.float32,name="node22") result1=tf.add(node11,node22) sess=tf.Session() with sess.as_default(): print(result1.eval()) #下面的两个命令有相同的功能 print(sess.run(result)) print(result.eval(session=sess))
常量
变量
占位符
x=tf.placeholder(tf.float32,[2,3],name='tx')
Feed提交数据