python - Tensorflow中sess.run(c)和c.eval()的区别

Question

在下面的示例中打印节点“c”的值时，对我来说，似乎 print sess.run(c) 之间没有区别和打印c.eval()。我可以假设 sess.run(c) 和 c.eval() 是等价的吗？或者说有什么不同吗？

import tensorflow as tf

a = tf.Variable(2.0, name="a")
b = tf.Variable(3.0, name="b")
c = tf.add(a, b, name="add")
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(c)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print c.eval()

Answer 1

当您对张量调用 c.eval() 时，you are basically calling tf.get_default_session().run(c) 。这是一个方便的快捷方式。

但是，Session.run() 更为通用。

1. 它允许您一次查询多个输出:sess.run([a, b, ...])。当这些输出相关并且取决于可能发生变化的状态时，同时获取它们以获得一致的结果非常重要。人们经常对此感到惊讶[1] , [2] .
2. Session.run() 可以采用一些 Tensor.eval() 没有的参数，例如 RunOptions，可以对于调试或分析很有用。
   • 但请注意，eval()可以采用feed_dict。
3. eval() 是 Tensor 的属性。但另一方面，诸如 global_variables_initializer() 之类的操作没有 eval()，而是有 run()(另一个方便的快捷方式)。 Session.run() 可以运行两者。