《Python深度学习实战：基于TensorFlow和Keras的聊天机器人》 —1.2　计算图与会话

1.2　计算图与会话

TensorFlow因其TensorFlow Core程序而受欢迎，TensorFlow Core有两个主要的作用：

• 在构建阶段建立计算图

• 在执行阶段运行计算图

我们来看一下TensorFlow是如何工作的：

• 其程序通常被结构化为构建阶段和执行阶段。

• 构建阶段搭建具有节点（操作）和边（张量）的图。

• 执行阶段使用会话来执行图中的操作。

• 最简单的操作是一个常数，它没有输入，只是传递输出给其他计算操作。

• 一个操作的例子就是乘法（或者是取两个矩阵作为输入并输出另一个矩阵的加法或减法操作）。

• TensorFlow库具有一个默认图来给构建操作添加节点。

因此，TensorFlow程序的结构有如下两个阶段：

计算图是由一系列的TensorFlow操作排成的节点组成的。

我们来对比一下TensorFlow和Numpy。在Numpy中，如果你打算将两个矩阵相乘，需要生成两个矩阵并将它们相乘。但是在TensorFlow中，你建立一个图（默认图，除非你另外创建了一个图）。接下来，需要创建变量、占位符以及常量值，然后创建会话并初始化变量。最终，把数据赋给占位符以便调用其他操作。

实际上，为了计算节点，必须在一个会话里面运行计算图。

一个会话里囊括了TensorFlow运行时的控制和状态。

下面代码生成了一个会话（Session）对象：

sess = tf.Session()

这之后就可以用它的运行方法来充分运行计算图以计算节点1和节点2。

计算图定义了计算。它并不执行计算，也不保留任何值。它用来定义代码中提及的操作。同时，创建了一个默认的图。因此，你不必创建图，除非需要创建图用于多种目的。

会话允许你执行图或者只执行部分图。它为执行分配资源（在一个或多个CPU或者GPU上）。它还保留了中间结果和变量值。

在TensorFlow中创建的变量的值，只在一个会话内是有效的。如果你尝试在之后的第二个会话里访问其值，TensorFlow就会报错，因为变量不是在那里初始化的。

想运行任何操作，需要给图创建一个会话。会话会分配内存来存储当前变量值。

以下是演示代码：