python - 澄清 tf.Session() 范围 TensorFlow

Question

我有一个 python 程序，我在其中定义了一个网络，并且像往常一样，我在我拥有的函数中训练它

with tf.Session() as sess:
...
for epoch in xrange(num_epochs):
...
for n in xrange(num_batches):
       _, c = sess.run([optimizer, loss], feed_dict={....

在损失函数中，我必须做很多工作才能得到损失，特别是，我必须在张量中取最大值并用它来做一些事情。举个例子

values = tf.constant([0, 1, 2, 0, 2], dtype=tf.float32)
max_values = tf.reduce_max(values) # Tensor...
...

在 max_values 行中，如果我使用调试，它会说它是一个张量而不是一个值，所以如果我以这种方式更改我的代码，将在之前创建的 session 传递给函数一段代码

values = tf.constant([0, 1, 2, 0, 2], dtype=tf.float32)
max_values = sess.run(tf.reduce_max(values)) # 2.0
...

它有效。但是这个损失函数已经在一个 session 的范围内，所以我的问题是为什么结果是张量而不是数字？有没有办法在不将 session 传递给损失函数的情况下获取值？

Answer 1

根据documentation :

TensorFlow uses the tf.Session class to represent a connection between the client program---typically a Python program, although a similar interface is available in other languages---and the C++ runtime.

这意味着当您执行 values = tf.constant([0, 1, 2, 0, 2], dtype=tf.float32) 时，您只是将一个节点插入到您的 tensorflow 图!由于 Python 是用于低级 C++ 运行时的高级 API，因此您实际上需要一个 session 来在此低级运行时评估您的 Python 代码。

这就是为什么每次您需要计算或评估 Tensorflow 变量/方法/常量/等时，您都需要使用 tf.Session().run(yournode) 在 session 中运行它/p>

希望对你有帮助