import tensorflow as tfg1 = tf.Graph() with g1.as_default():v = tf.get_variable("v", [1], initializer = tf.zeros_initializer()) # 設(shè)置初始值為0 g2 = tf.Graph() with g2.as_default():v = tf.get_variable("v", [1], initializer = tf.ones_initializer()) # 設(shè)置初始值為1 with tf.Session(graph = g1) as sess:tf.global_variables_initializer().run()with tf.variable_scope("", reuse=True):print(sess.run(tf.get_variable("v")))with tf.Session(graph = g2) as sess:tf.global_variables_initializer().run()with tf.variable_scope("", reuse=True):print(sess.run(tf.get_variable("v")))

import tensorflow as tfa = tf.constant([1.0, 2.0], name="a") b = tf.constant([2.0, 3.0], name="b") result = a + b print resultsess = tf.InteractiveSession () print(result.eval()) sess.close()

# 創(chuàng)建一個(gè)會(huì)話。 sess = tf.Session()# 使用會(huì)話得到之前計(jì)算的結(jié)果。 print(sess.run(result))# 關(guān)閉會(huì)話使得本次運(yùn)行中使用到的資源可以被釋放。 sess.close()

with tf.Session() as sess:print(sess.run(result))

sess = tf.Session() with sess.as_default():print(result.eval())

sess = tf.Session()# 下面的兩個(gè)命令有相同的功能。 print(sess.run(result)) print(result.eval(session=sess))

sess = tf.InteractiveSession () print(result.eval()) sess.close()

config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True) sess1 = tf.InteractiveSession(config=config) sess2 = tf.Session(config=config)

?

轉(zhuǎn)載于:https://www.cnblogs.com/tszr/p/10872464.html

總結(jié)

以上是生活随笔為你收集整理的吴裕雄 python 神经网络——TensorFlow 图、张量及会话的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。