Session.run和Tensor.eval

  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
assert sess is tf.get_default_session()
assert t.eval() == sess.run(t)

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：

t = tf.constant(42.0)
u = tf.constant(37.0)
tu = tf.mul(t, u)
ut = tf.mul(u, t)
with sess.as_default():
tu.eval()
# runs one step
ut.eval()
# runs one step
sess.run([tu, ut])
# evaluates both tensors in a single step

注意到，每次使用eval和run时，都会执行整个计算图，为了获取计算的结果，将它分配给tf.Variable，然后获取。

最后

以上就是伶俐长颈鹿为你收集整理的Session.run和Tensor.eval的全部内容，希望文章能够帮你解决Session.run和Tensor.eval所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。