python - sess.run() 多个操作 vs 多个 sess.run()

Question

在 tensorflow 中，如果我们想要运行多个操作，如果我们将列表中的操作传递给单个 sess.run() 与我们使用多个 sess.run() 但只向每个操作传递一个操作？

示例:

#!/usr/env/bin python
import tensorflow as tf

if __name__ == '__main__':
    v = tf.Variable(0)
    c = tf.constant(3)
    add = tf.add(v, c)
    update = tf.assign(v, add)
    mul = tf.multiply(add, update)
    init = tf.compat.v1.global_variables_initializer()

    # method 1
    with tf.Session() as sess:
        sess.run(init)
        print(sess.run(add))
        print(sess.run(mul))

    # method 2
    with tf.Session() as sess:
        print(sess.run([init, add, mul]))

编辑:最初我也想知道是否存在多个 session 会导致不同结果的情况，例如计算图中的依赖关系导致执行顺序不同等。但我没有在我的问题中明确说明这一点，只给出了一个相当虚拟的示例......

Answer 1

每次运行init时，所有权重都会随机初始化，因此无法通过这种方式进行比较。如果你真的想比较，我会运行以下代码:

#!/usr/env/bin python
import tensorflow as tf

if __name__ == '__main__':
    v = tf.Variable(0)
    c = tf.constant(3)
    add = tf.add(v, c)
    update = tf.assign(v, add)
    mul = tf.multiply(add, update)
    init = tf.compat.v1.global_variables_initializer()

    # method 1
    with tf.Session() as sess:
        sess.run(init)
        print(sess.run(add))
        print(sess.run(mul))
        print(sess.run([add, mul]))