python人工智能——深度学习——TensorFlow——图和会话

'->'人工智能与机器学习，Python的TensorFlow和Scikit-learn #生活技巧# #工作学习技巧# #编程学习路径#

图

图默认已经注册，一组表示 tf.Operation计算单位的对象和tf.Tensor表示操作之间流动的数据单元的对象。

获取调用：

tf.get_default_graph() op、sess或者tensor 的graph属性 12

import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' #实现一个加法运算 a=tf.constant(5.0) b=tf.constant(6.0) print(a,b) sum1=tf.add(a,b) #默认的这张图，相当于是给程序分配一段内存 graph=tf.get_default_graph() print(graph) print(sum1) with tf.Session() as sess: print(sess.run(sum1)) print(a.graph) print(sum1.graph) print(sess.graph)

123456789101112131415161718192021222324

Tensor("Const:0", shape=(), dtype=float32) Tensor("Const_1:0", shape=(), dtype=float32) <tensorflow.python.framework.ops.Graph object at 0x00000184549AA390> Tensor("Add:0", shape=(), dtype=float32) 11.0 <tensorflow.python.framework.ops.Graph object at 0x00000184549AA390> <tensorflow.python.framework.ops.Graph object at 0x00000184549AA390> <tensorflow.python.framework.ops.Graph object at 0x00000184549AA390> 1234567

图的创建

tf.Graph()

使用新创建的图g = tf.Graph()with g.as_default(): a = tf.constant(1.0) assert c.graph is g 123456

g=tf.Graph() print(g) with g.as_default(): c=tf.constant(11.0) print(c.graph) 123456

<tensorflow.python.framework.ops.Graph object at 0x000001BF67EBB390> <tensorflow.python.framework.ops.Graph object at 0x000001BF67EBB390> 12

OP

op：只要使用TensorFlow的API定义的函数都是OP

会话

1.运行图的结构
2.分配资源计算
3.掌握资源（变量的资源，队列，线程）

tf.Session()
运行TensorFlow操作图的类，使用默认注册的图（可以指定运行图）

会话资源
会话可能拥有很多资源，如 tf.Variable，tf.QueueBase
和tf.ReaderBase，会话结束后需要进行资源释放

sess = tf.Session() sess.run(…) sess.close()
使用上下文管理器
with tf.Session() as sess:
sess.run(…)

config=tf.ConfigProto(log_device_placement=True)
交互式：tf.InteractiveSession()

会话的run()方法

run(fetches, feed_dict=None,graph=None)
运行ops和计算tensor
嵌套列表，元组，
namedtuple，dict或OrderedDict(重载的运算符也能运行)

feed_dict 允许调用者覆盖图中指定张量的值,提供给
placeholder使用

返回值异常
RuntimeError：如果它Session处于无效状态（例如已关闭）。
TypeError：如果fetches或feed_dict键是不合适的类型。
ValueError：如果fetches或feed_dict键无效或引用 Tensor不存在。

网址：python人工智能——深度学习——TensorFlow——图和会话 https://www.yuejiaxmz.com/news/view/482820

相关内容

Python版tensorflow
使用Python实现深度学习模型：智能家电控制与优化
Python深度学习实践：深度学习在虚拟助理中的应用
人工智能之深度学习的学习方法
【深度学习】深度学习语音识别算法的详细解析
吴恩达深度学习笔记
PyTorch 深度学习框架简介：灵活、高效的 AI 开发工具
深度学习与语音识别：深度学习如何驱动语音助手的发展
人工智能和云计算带来的技术变革：虚拟助手的应用与普及
人工智能和云计算带来的技术变革：虚拟助手的应用与普及1.背景介绍 随着人工智能（AI）和云计算技术的不断发展，虚拟助手（

随便看看