python - 创建两个 TensorFlow session 时是否会创建图的多个实例？

Question

背景

我正在通过演练 Hands-On Machine Learning with Scikit-Learn and TensorFlow 的第二部分来学习 TensorFlow ，练习问题之一是(粗体文字是我自己添加的内容，以提高问题的清晰度):

“如果您创建一个包含变量 w 的图形 g，则启动两个线程并在每个线程中打开一个 session ，两者都使用相同的图形g，每个 session 都会有自己的变量 w 副本还是会共享？”

书后提供的答案如下:

“在本地 TensorFlow 中， session 管理变量值，因此如果您创建一个包含变量 w 的图 g，则启动两个线程并在每个线程中打开一个本地 session ，都使用相同的图g，那么每个 session 都会有自己的变量w副本...”

我的问题

A) 或 B) 是对正在发生的事情的正确解释吗？

A)。两个 session 都使用图 g 的相同实例，并且两个单独的变量仅归因于两个单独的 session 。

B) 通过实例化两个不同的 session ，两个线程使用图 g 的相同架构，但是创建了图 g 的两个单独的实例，从而产生两个不同的变量。

Answer 1

我认为这里的问题是术语“实例化”的模糊性，以及图表和 session 的实际含义。

如果您有一个图表和两个打开的 session ，则该图表只有一个实例。这是一个 Python 对象，描述模型执行的计算，即张量之间的运算，可能包括一些常量值和变量。如果您向该图表添加新元素(新操作)，则两个 session 都可以访问该元素。重要的是要理解图是静态的，也就是说，它们没有状态，并且它们本身不计算任何东西，它们只是描述如何执行计算。它可以被认为是计算机程序源代码的模拟。

session 是一个存储图状态的对象，可以对其执行计算。最重要的是，这个“状态”包含图中变量的值。因此，变量对象本身是图的一部分(从这个意义上说，跨 session “共享”)，但它在任何时候具有的值都存储在每个打开的 session 中。不过，变量值并不是 session 中存储的唯一内容。您还可以了解随机数生成器或数据集迭代器的状态等信息。请参阅What is a “stateful object” in tensorflow? 。按照之前的类比， session 就像是执行一个程序所使用的内存和 CPU，而该程序的源代码就是该图。

尝试更具体地回答您的问题，如果我正确理解您的意思，我认为正确的解释是A)。