這篇文章主要講TensorFlow中的Session的用法以及Variable。

Session會話控制

Session是TensorFlow為了控制和輸出文件的執行語句，運行session.run()就能獲得運算結果或者部分運算結果。我們在這里使用一個簡單的矩陣相乘的例子來解釋Session的兩個用法。

首先我們要加載TensorFlow并建立兩個矩陣以及兩個矩陣所做的運算。這里我們建立一個一行兩列的matrix1和一個兩行一列的matrix2,讓它們做矩陣的乘法。tf.matmul相當于numpy中的dot方法，都是做矩陣的product。

import tensorflow as tfmatrix1 = tf.constant([[2, 2]])matrix2 = tf.constant([[2], [2]])product = tf.matmul(matrix1, matrix2)

接下來我們使用第一種會話控制Session來激活product并得到計算結果：

sess = tf.Session()result = sess.run(product)print(result)sess.close()

運行結果為：[[8]]

還有另外一種Session的打開模式同樣可以激活product：

with tf.Session() as sess: result2 = sess.run(product) print(result2)

運行結果同樣是[[8]]。在這里我們不需要我們單獨做sess.close()的操作。

variable變量

與python的變量不同，在TensorFlow中如果我們要定義一個變量，必須使用tf.Variable()來定義它才是個變量，括號中可以包含的參數有變量的值，變量的名稱等。這里我們用一個簡單的加法運算來解釋變量的用法。

首先導入tensorflow并定義變量state, 常量one,以及運算方法tf.add, tf.assign

import tensorflow as tfstate = tf.Variable(0, name='counter')# 輸出變量名print(state.name)one = tf.constant(1)new_value = tf.add(state, one)# 將new_value加載到state里面，這時state的值就是new_valueupdate = tf.assign(state, new_value)

我們可以將變量打印出來得到變量的信息：

init = tf.global_variables_initializer()

接下來我們就要用Session來將變量激活進行運算，并打印出state的結果：

with tf.Session() as sess: sess.run(init) for _ in range(3):  sess.run(update)  print(sess.run(state))

這里我們讓update運行3次，也就是做3次加法，運行結果為：

以上這篇TensorFlow Session會話控制&Variable變量詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。