python - Tensorflow:在使用 tf.Keras 层或 tf.Estimator API 时，何时需要运行 tf.Session()？

Question

我正在尝试协调来自 TF“图形和 session ”指南以及 TF“Keras”指南和 TF Estimators 指南的信息。现在在前者中它说 tf.Session 使计算图能够访问物理硬件以执行图和训练模型。就像关于学习 TF 的初始教程要求您使用 Session 来运行任何东西:变量指南、Tensors 指南等。但是，在 TF Keras 指南中，这些示例似乎在没有任何显式调用 tf 的情况下运行.Session 或通常的 with tf.Session() as sess: Keras 模型也没有使用急切执行。 Estimators API 也是如此。

我有几个代码示例。其中一些使用对 session 的调用，而另一些则不使用。我希望有人可以阐明将 tf.Session 与 Keras 层或 Estimator 一起使用的要求规则是什么。我的意思是，您似乎可以为 keras 估计器或标准 TF.estimator 设置诸如 run_configs 之类的东西，并为多 gpu 等设置设置。

这是函数式 API 的 TF Keras 指南中的示例。请注意，没有对 session 进行调用:

inputs = tf.keras.Input(shape=(32,))  # Returns a placeholder tensor

# A layer instance is callable on a tensor, and returns a tensor.
x = layers.Dense(64, activation='relu')(inputs)
x = layers.Dense(64, activation='relu')(x)
predictions = layers.Dense(10, activation='softmax')(x)

model = tf.keras.Model(inputs=inputs, outputs=predictions)

# The compile step specifies the training configuration.
model.compile(optimizer=tf.train.RMSPropOptimizer(0.001),
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# Trains for 5 epochs
model.fit(data, labels, batch_size=32, epochs=100)

感谢您提供任何信息或说明。

Answer 1

仅使用 Keras 时，无需调用 tf.Session()。这是在使用tensorflow后端时调用的，可以看出here .这仅在使用 tensorflow 后端时调用，而不是 theano 或 CNTK。

关于通过 tf.Session() 调用使用 Tensorflow 接口(interface)，对此进行了解释 here ，它只是使用 tf.Session() 作为 Keras 和 pure-TensorFlow 张量和/或函数之间的桥梁。

您可以看到一个使用 tf.Session() 和 Keras 的例子，使用 set_session() 后端函数:

session_conf = tf.ConfigProto(intra_op_parallelism_threads=1, inter_op_parallelism_threads=1)

from keras import backend as K

sess = tf.Session(graph=tf.get_default_graph(), config=session_conf)
K.set_session(sess)