TensorFlow基础2：Session.run()和Tensor.eval()的区别

最新推荐文章于 2022-02-28 22:52:28 发布
最新推荐文章于 2022-02-28 22:52:28 发布
阅读量2w 收藏 46
点赞数 24
CC 4.0 BY-SA版权
分类专栏： tensorflow基础 文章标签： TensorFlow session 函数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chengshuhao1991/article/details/78554743

之前在TensorFlow中运行代码时，在会话中会需要运行节点，会碰到两种方式：Session.run()和Tensor.eval()，刚开始不太懂这两者之间的差异，最后通过查找官方文档和一些资料了解到中间的差别。

1、官方文档的解释

官方文档中显示如下：

这里写图片描述

图中翻译如下：

第一段：如果t是一个tf.Tensor对象，则tf.Tensor.eval是tf.Session.run的缩写（其中sess是当前的tf.get_default_session。下面的两个代码片段是等价的：

第二段：在第二个示例中，会话充当上下文管理器，其作用是将其安装为with块的生命周期的默认会话。 上下文管理器方法可以为简单用例（比如单元测试）提供更简洁的代码; 如果您的代码处理多个图形和会话，则可以更直接地对Session.run（）进行显式调用。

简单点说就是：你可以使用sess.run()在同一步获取多个tensor中的值，使用Tensor.eval()时只能在同一步当中获取一个tensor值，并且每次使用 eval 和 run时，都会执行整个计算图。

<

最低0.47元/天 解锁文章

新学期VIP享超值加赠
AI人工智能领域TensorFlow的模型部署指南
AI 原生应用开发的博客
07-04 1199
在人工智能领域，构建高性能模型只是成功的一半，将这些模型有效部署到生产环境并解决实际问题才是最终目标。本指南将带领您探索TensorFlow生态系统中模型部署的完整流程，从模型优化、格式转换到在各种环境（云服务器、移动设备、嵌入式系统、网页浏览器）中的部署实践。无论您是AI研究人员、软件工程师还是产品经理，本文都将提供实用的策略、代码示例和最佳实践，帮助您克服部署挑战，实现AI模型的商业价值转化。想象一下，您和团队花费数月时间研发了一个高精度的图像识别模型，在测试集上达到了98%的准确率。
TensorFlow笔记：Session.run()与Tensor.eval()
cocoaqin的博客
01-27 1588
在TensorFlow中Session.run()与Tensor.eval()都可以用来执行. 如果你有一个Tensor t，在使用t.eval()时，等价于：tf.get_default_session().run(t). 如下面两段代码是相同的： # Using `Session.run()`. sess = tf.Session() c = tf.constant(5.0) print
Tensorflow 中 Session.run 和 Tensor.eval 的区别
南淮北安的博客
09-15 313
tensorflow有两种运行节点的方式：Session.run和 Tensor.eval，这两者的区别在哪？ 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 import tensorflow as tf t1 = tf.constant(42.0) t2 = tf.constant(21.0) with tf.Session() as sess: ...
tensorflow的Session机制及run()函数
realliyuhao的博客
01-30 2144
这个会话Session(),如果你学过JavaWeb肯定不陌生, session对象,sessionID都是学过的. tensorflow的会话机制可以这么想, 你在编译器上写的代码要靠CPU或者GPU去跑, 这个Session()就是沟通你和CPU的桥梁,给你俩传话, 具体的函数就是run(),下面来主要讲一下run(). run(): 它一共有四个参数,后两个我现在还不会用,先说说前两个...
[tensorflow学习笔记]tensor.eval
qq_17506541的博客
04-06 1246
1.tensor.eval（） 重点有三：     1.eval取得的是在tesnor.eval（）之前对tensor所做的所有操作的最后结果。     2.eval（）不会累加计算，{tensor.eval（）} 与{tensor.eval();tensor.eval()}的返回的numpy 类型的ndarray是相同的     3.eval() 与 sess.run()的结果是完全一致
tensorflow: eval()探究
JNing
08-25 2359
总结  对简单应用的情形（如单元测试），用以下格式可以得到更简洁的代码：with tf.Session(): c.eval()  如果你的代码要处理多个graph和 session，更直白的方式可能是显式调用Session.run()：sess = tf.Session() sess.run(c)实验代码>>> c = tf.constant(5.0) >>> with tf.Sessio
tensorflow学习笔记初级--Session().run
tortelee的博客
06-20 2821
def run(self, fetches, feed_dict=None, options=None, run_metadata=None): """Runs operations and evaluates tensors in `fetches`. This method runs one "step" of TensorFlow computation, by ...
tensorflow: 查看 tensor详细数值方法
09-20
TensorFlow 是一个开源的机器学习和深度学习框架，由 Google 开发并维护。在 TensorFlow 中，Tensor 是框架的核心概念，代表了一个多维数组（即张量），用来表示所有的数据。在进行机器学习项目时，经常需要查看张量...
sess.run与tensor.eval
ShaneHolmes
10-05 272
前在TensorFlow中运行代码时，在会话中会需要运行节点，会碰到两种方式：Session.run()和Tensor.eval()，两者的差别如下。 你可以使用sess.run()在同一步获取多个tensor中的值，使用Tensor.eval()时只能在同一步当中获取一个tensor值，并且每次使用 eval 和 run时，都会执行整个计算图 例如： 如果你有一个Tensor t，在使用t.ev...
tensorflow.python.framework.ops.Tensor转numpy
04-23
将Tensor转为NumPy可以使用TensorFlow中的eval()函数或session.run()函数。以下是使用eval()函数的示例代码： ``` import tensorflow as tf import numpy as np # 创建一个Tensor tensor = tf.constant([[1.0, 2.0...
tensorflow中，session.run()与tensor.eval()的区别
weixin_42213622的博客
12-01 672
session.run()与tensor.eval()都是tensorflow用来计算图的一一部分的方法，那么这两种方式有什么异同呢? 假设有一个tensor a，在使用a.eval时，等价于：sess.run()，其中，sess是当前默认会话。这这种情况下，以下两端代码是等价的： a = tf.constant(5.0) with tf.Session() as sess: print(sess.run(a)) print(a.eval()) 主要区别是，sess.run()
TensorFlow 2.0 问题汇总
Circle-C的博客
04-28 1113
AttributeError: module 'tensorflow' has no attribute 'Session' 新的Tensorflow 2.0版本中已经移除了Session这一模块，改换运行代码 tf.compat.v1.Session() 就可以获得与原先相同的输出信息。如果觉得不方便，也可以改换低版本的Tensorflow，直接用pip即可安装 pip instal...
sess.run()详解
Jq的博客
01-26 1万+
TensorFlow与我们正常的编程思维略有不同： 先预定义一些操作/占位符构建graph，所有的操作op和变量都视为节点,TensorFlow中的语句不会立即执行； 当构建完graph图后，需要在一个session会话中启动图，启动的第一步是创建一个Session对象。 等到开启会话session的时候，才会执行session.run()中的语句。在执行session.run()时，tensorflow并不是计算了整个图，只是计算了与想要fetch的值相关的部分。 创建session对象 tf.com
session.run()是非常耗时的,千万不要用session.run的方式去取数据
热门推荐
lujiandong1的专栏
12-06 2万+
1、修改某一程序的时候,使用了session去取数据,导致时间效率非常低。后来,对session.run()进行了测试,发现使用session读取数据的效率是非常低下的. # -*- coding: utf-8 -*- import tensorflow as tf import time t1 = time.time() x = tf.Variable([1.0]) b =1.0 start
tensorflow学习笔记11——开始run
qq_40549606的博客
11-16 307
1、sess.run() # Create the session and run the graph sess = tf.Session() sess.run(tf.global_variables_initializer()) sess.run(iterator.initializer) 用sess.run()有两种情况： 1.想要获取某个变量的时候： 2.执行某种操作的时候，这个操作不是一个...
Tensorflow会话
fan18317517352的博客
02-28 835
会话提供了估算张量和执行操作的运行环境，它是发放计算任务的客户端，所有计算任务都由它链接的执行引擎完成。一个会话的典型使用流程分为以下3步： #1.创建会话 sess = tf.Session(target=...,graph=...,config=...) #2.估算张量或执行操作 sess.run(...) #3.关闭会话 sess.close() 参数名称 功能说明 target 会话连接的执行引擎 graph 会话加载的数据流图 config...
【TensorFlow 入门】6、eval 函数
呆呆的猫的博客
02-03 2万+
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，ev
Session.run和Tensor.eval
健身房
06-17 265
  TensorFlow运行代码时，在会话中需要运行节点，可能会碰到两种方式，即Session.run和Tensor.eval，两者之间的差异如下。   如果你有一个Tensor t，在使用t.eval时，等价于tf.get_default_session().run(t)，实例如下： t = tf.constant(42.0) sess = tf.Session() with sess.as_default(): # or `with sess:` to close on exit asser
Tensorflow里的eval()函数
诚朴勇毅
10-14 1054
今天读代码的时候，看到有个eval函数，仔细琢磨了一下，还挺有意思的，其实它就是启动计算图的一种方式，上例程： #2021.10.14 HIT ATCI LZH #TensorFlow中的eval函数 import tensorflow as tf #为训练数据申明Tensorflow占位符 X = tf.placeholder(tf.float32, name='X') Y = tf.placeholder(tf.float32, name='Y') #创建Tensorflow的权重和偏置且初始值设为
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值