二、TensorFlow结构分析(2)

目录

1、会话

[1.1 init(target='',graph=None,config=None)](#1.1 init(target='',graph=None,config=None))

[1.2 会话的run()](#1.2 会话的run())

[1.3 feed操作](#1.3 feed操作)


  • TF数据流图
  • 图与TensorBoard
  • 会话
  • 张量
  • 变量OP
  • 高级API

1、会话

1.1 init(target='',graph=None,config=None)

python 复制代码
def session_demo():
    # 会话的演示
    # Tensorflow实现加法运算
    a_t = tf.constant(2)
    b_t = tf.constant(3)
    c_t = a_t + b_t
    print("tensorflow:\n", c_t)

    # 查看默认图
    # 方法1:调用方法
    default_g = tf.get_default_graph()
    # default_g =tf.compat.v1.get_default_graph
    print("default:\n", default_g)
    # 方法2:查看属性
    print("a_t的图属性:\n", a_t.graph)
    print("c_t的图属性:\n", c_t.graph)

    # 开启会话
    with tf.Session(config=tf.ConfigProto(allow_soft_placement=True,
                                          log_device_placcement=True)) as sess:
        c_t_value = sess.run(c_t)
        print("c_t_value:\n", c_t_value)
        print("sess的图属性:\n", sess.graph)
        # 将图写入本地生成events文件
        tf.summary.FileWriter("./tmp/summary",graph=sess.graph)

    return None

1.2 会话的run()

python 复制代码
# 同时查看a_t,b_t,c_t
abc = sess.run([a_t,b_t,c_t])

1.3 feed操作

相关推荐
奔跑吧邓邓子16 分钟前
DeepSeek 赋能智能教育知识图谱:从构建到应用的革命性突破
人工智能·知识图谱·应用·deepseek·智能教育
Mantanmu19 分钟前
Python训练day40
人工智能·python·机器学习
ss.li25 分钟前
TripGenie:畅游济南旅行规划助手:个人工作纪实(二十二)
javascript·人工智能·python
小天才才34 分钟前
前沿论文汇总(机器学习/深度学习/大模型/搜广推/自然语言处理)
人工智能·深度学习·机器学习·自然语言处理
新加坡内哥谈技术1 小时前
Meta计划借助AI实现广告创作全自动化
运维·人工智能·自动化
西猫雷婶2 小时前
pytorch基本运算-导数和f-string
人工智能·pytorch·python
Johny_Zhao2 小时前
华为MAAS、阿里云PAI、亚马逊AWS SageMaker、微软Azure ML各大模型深度分析对比
linux·人工智能·ai·信息安全·云计算·系统运维
顽强卖力2 小时前
第二十八课:深度学习及pytorch简介
人工智能·pytorch·深度学习
述雾学java2 小时前
深入理解 transforms.Normalize():PyTorch 图像预处理中的关键一步
人工智能·pytorch·python
武子康2 小时前
大数据-276 Spark MLib - 基础介绍 机器学习算法 Bagging和Boosting区别 GBDT梯度提升树
大数据·人工智能·算法·机器学习·语言模型·spark-ml·boosting