TensorFlow——交互式使用会话:InteractiveSession类

使用InteractiveSession代替Session类,使用Tensor.eval()和Operation.run() 方法代替 Session.run()。这样可以避免使用一个变量来持有会话 。

>>> import tensorflow as tf
>>> sess = tf.InteractiveSession()
can‘t determine number of CPU cores: assuming 4
I tensorflow/core/common_runtime/local_device.cc:25] Local device intra op parallelism threads: 4
can‘t determine number of CPU cores: assuming 4
I tensorflow/core/common_runtime/local_session.cc:45] Local session inter op parallelism threads: 4
>>> x = tf.Variable([1.0, 2.0])
>>> a = tf.constant([3.0, 3.0])
>>> x.initializer.run()    # initializer初始化了变量x 初始化了的x可以直接用run()而不需要用sess.run()来运行
>>> sub = tf.sub(x, a)    # tf里的矩阵减法函数是sub(),其实写成x-a没错
>>> print(sub.eval())    # sub.eval()相当于sess.run(sub)
[-2. -1.]
>>> sess.close()
时间: 2024-10-14 12:30:49

TensorFlow——交互式使用会话:InteractiveSession类的相关文章

TensorFlow 运行模型--会话(Session)

会话模式一: 需要明确调用会话生成函数和关闭函数 # 创建一个会话 sess = tf.Session() # 使用创建好的会话进行运算 sess.run("要运算的对象") # 关闭会话使本次运行使用的资源得以释放 sess.close() 会话模式二: 创建一个会话,并通过python上下文管理器管理会话 with tf.Session() as sess: sess.run(...) # 括号里是要运行的对象 # 计算结束后会自动关闭会话(仅能在with内部使用) 通过会话获取张

C++学习:使用libssh2实现交互式shell的ssh2类,linux和windows通用。

使用ssh2实现shell自动化测试,实际工作中遇到非常多.各种语言都有相应的库可以使用.比如,c/c++语言可以使用libssh2:python可以使用paramkio库等.但这些库网上的帮助,都不是很全,都比较浅显.shell自动化,最基本的三个需求,一个是适合多重类型的操作系统:二是要能够支持交互式shell,比如使用sudo执行时,需要输入密码:三是读数据时要非阻塞的. paramkio好像不支持交互式(shell命令不需要再根据输出输入不同的参数,实际上,这种情况遇到非常多),而且pa

3.3 TensorFlow运行模型 ------- 会话

会话拥有并管理TensorFlow程序运行时的所有资源.当计算完成后需要关闭会话来帮助系统回收资源,否则就可能出现资源泄漏的问题. TensorFlow中使用的会话模式一般有梁总,第一种模式需要明确调用会话生成函数和关闭会话函数,代码流程如下: #创建一个会话 sess = tf.Session() #使用这个创建好的会话得到关心的运算的结果 sess.run(....) #关闭会话使得本次运行中使用到的资源得以释放 sess.close() 上述方法计算完成时,需要明确调用Session.cl

Tensorflow运行模型——会话

会话拥有并管理tensorflow程序运行时的所有资源.所有计算完成后需要关闭会话来帮组系统回收资源. 使用会话模式有两种: 但是,第一种方法有缺陷,所以直接给出下面这种 with tf.Session() as sess: #使用创建好的会话来计算关心的结果 sess.run(...) 从会话中取出变量 方法一: sess=tf.Session() with sess.as_default(): print(变量名.eval()) 方法二: sess=tf.Session() print(se

PHP会话cookie类的封装

<?php header('content-type:text/html;charset=utf-8');/** * 完成cookie的设置.删除.更新.读取 */class Cookie{    private static $instance=null;    private  $expire=0;//过期时间 单位为s 默认是会话 关闭浏览器就不在存在    private $path='';//路径 默认在本目录及子目录下有效 /表示根目录下有效    private $domain='

[学习笔记] TensorFlow 入门之基本使用

整体介绍 使用 TensorFlow, 你必须明白 TensorFlow: 使用图 (graph) 来表示计算任务. 在被称之为 会话 (Session) 的上下文 (context) 中执行图. 使用 tensor 表示数据. 通过 变量 (Variable) 维护状态. 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据. 一个 TensorFlow 图描述了计算的过程. 为了进行计算, 图必须在 会话 里被启动. 会话 将图的

[02]tensorflow基本用法

要点 使用 TensorFlow, 你必须明白 TensorFlow: 使用图 (graph) 来表示计算任务. 在被称之为 会话 (Session) 的上下文 (context) 中执行图. 使用 tensor 表示数据. 通过 变量 (Variable) 维护状态. 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据. tensorflow结构:会话(session), 图(graph),节点(operation),边(tens

tensorflow op tf.global_variables_initializer

一.安装目前用了tensorflow.deeplearning4j两个深度学习框架, tensorflow 之前一直支持到python 3.5,目前以更新到3.6,故安装最新版体验使用. 慢慢长征路:安装过程如下 WIN10: anaconda3.5: PYTHON3.6: tensorflow1.4: 二.TensorFlow 基本概念与原理理解 1.TensorFlow 的工作原理 TensorFlow是用数据流图(data flow graphs)技术来进行数值计算的.数据流图是描述有向图

tensorflow学习笔记五:mnist实例--卷积神经网络(CNN)

mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的.但是CNN层数要多一些,网络模型需要自己来构建. 程序比较复杂,我就分成几个部分来叙述. 首先,下载并加载数据: import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=Tru