tensorflow函數解析：Session.run和Tensor.eval的區別

tensorflow函數解析：Session.run和Tensor.eval

翻譯 2017年04月20日 15:05:50

• 標簽：
• tensorflow /
• 機器學習 /
• 深度學習 /
• python

• 7774

原問題鏈接：

http://stackoverflow.com/questions/33610685/in-tensorflow-what-is-the-difference-between-session-run-and-tensor-eval

譯：

問題：

tensorflow有兩種方式：Session.run和 Tensor.eval，這兩者的區別在哪？

答：

如果你有一個Tensor t，在使用t.eval()時，等價於：tf.get_default_session().run(t).

舉例：

 

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)

 

這其中最主要的區別就在於你可以使用sess.run()在同一步獲取多個tensor中的值，

例如：

 

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時，都會執行整個計算圖，為了獲取計算的結果，將它分配給tf.Variable，然后獲取。

原文如下：

Question：

TensorFlow has two ways to evaluate part of graph: Session.run on a list of variables and Tensor.eval. Is there a difference between these two?

Answer：

If you have a Tensor t, calling t.eval() is equivalent to calling tf.get_default_session().run(t).

You can make a session the default as follows:

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)

The most important difference is that you can use sess.run() to fetch the values of many tensors in the same step:

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

Note that each call to eval and run will execute the whole graph from scratch. To cache the result of a computation, assign it to a tf.Variable.