即使阅读了 official documentation,我对 Tensorflow 中 session 的理解似乎仍然存在缺陷和 this教程。
特别是,tf.global_variable_initializer() 是针对特定 session 还是针对程序中的所有 session 初始化全局变量?有没有办法在 session 期间“取消初始化”变量?
tf.variable 可以在多个 session 中使用吗?答案似乎是肯定的(例如下面的代码),但是是否存在我们希望在一个程序中使用多个 session 而不是单个 session 的好案例?
#!/usr/bin/env python
import tensorflow as tf
def main():
x = tf.constant(0.)
with tf.Session() as sess:
print(sess.run(x))
with tf.Session() as sess:
print(sess.run(x))
if __name__ == '__main__':
main()
请您参考如下方法:
特别是,tf.global_variable_initializer() 是针对特定 session 还是针对程序中的所有 session 初始化全局变量?
关于特定 session 。检查一下。
tf.reset_default_graph()
x = tf.Variable(tf.random.normal([1,5]))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
first_sess_out = sess.run(x)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
second_sess_out = sess.run(x)
np.testing.assert_array_equal(first_sess_out, second_sess_out)
断言失败所以它是每个 session 。
是否有办法在 session 期间“取消初始化”变量?
tf.reset_default_graph()
x = tf.Variable(tf.random.normal([1,5]))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
first_init_out = sess.run(x)
sess.run(tf.global_variables_initializer())
second_init_out = sess.run(x)
np.testing.assert_array_equal(first_init_out, second_init_out)
显然,在运行 tf.global_variables_initializer() 之后,变量重新初始化了。因此,断言失败。
tf.Variable 可以在多个 session 中使用吗?答案似乎是肯定的(例如下面的代码),但是否存在我们希望在一个程序中使用多个 session 而不是单个 session 的好案例?
是的,它可以像您在上面的示例中看到的那样使用。好的情况是您希望在单次运行中多次执行图形。
