TensorFlow中Session的使用

TensorFlow中只有让Graph（计算图）上的节点在Session（会话）中执行，才会得到结果。Session的开启涉及真实的运算，因此比较消耗资源。在使用结束后，务必关闭Session。

import tensorflow as tf
a = tf.constant(1, dtype=tf.int8)
b = tf.constant(2, dtype=tf.int8)
res= a + b
sess = tf.Session()
sess.run(res)#执行运算
sess.close()#手动关闭session

上述这种方式需要手动关闭Session，比较繁琐。我们可以采用另一种形式，可以不用手动关闭会话。实质就是指定Session的有效范围，离开有效范围自动失效。

import tensorflow as tf
a = tf.constant(1, dtype=tf.int8)
b = tf.constant(2, dtype=tf.int8)
res= a + b
with tf.Session() as sess:#运算结束后session自动关闭
    sess.run(res)

有的开发者可能会认为每次都要sess.run比较麻烦，我们可以使用张量的eval()方法：

import tensorflow as tf
a = tf.constant(1, dtype=tf.int8)
b = tf.constant(2, dtype=tf.int8)
res= a + b
with tf.Session() as sess:#运算结束后session自动关闭
    print res.eval()

我们也可以在运算的时候指定默认的Session，例如：

import tensorflow as tf
a = tf.constant(1, dtype=tf.int8)
b = tf.constant(2, dtype=tf.int8)
res= a + b
sess = tf.InteractiveSession()
print sess.eval()#如果调用tf.Session()，则该语句必须是sess.eval(session=sess),因为默认Session需要指定