tensorflow - 在 tensorflow 中，变量值是 session 存储的唯一上下文信息吗？

Question

假设我们运行 session.run([tensor_to_eval])，是否唯一的驻留信息是 tf.Variable 值，所有其他评估结果要么从调用中返回，要么丢弃？

假设我们有两个 session ，除了默认图表之外，它们是否共享任何东西？

Answer 1

在run()之间保留了各种形式的状态在 TensorFlow 中调用(“步骤”)session :

• 正如您已经指出的，tf.Variable对象在调用之间存储值，这些值可以由任何步骤读取和写入。
• TensorFlow 队列 ( tutorial ) 允许您 enqueue one或 many一步中将值放入有界缓冲区，dequeue one或 many在后面的步骤中的值。队列还支持步骤之间的协调，例如生产者/消费者关系中的背压。它们还允许您使用 tf.train.batch() 等函数在逐个元素计算和批量计算之间切换。 .
• TensorFlow 读取器 ( tutorial ) 就像隐式文件指针一样，可以在步骤之间记住它们在文件中的当前位置。 read() 的后续执行op yield，例如，不同lines of a text file .

在 TensorFlow 的单进程版本中， session 不共享任何状态。它们可能共享相同的图(如果它们都是使用相同的默认图创建的)，但是有状态组件(例如 tf.Variable 对象)将在不同的 session 中采用不同的值。

distributed runtime添加对在 session 之间共享的“资源容器”的支持。这些包括变量、队列和读取器，并且可以通过将可选的 container 参数传递给这些对象的构造函数来进行配置。