Python sess.run（）和"；。eval（）；在张量流程序设计中

在Tensorflow编程中，有人能告诉我“.eval（）”和“sess.run（）”之间的区别吗。每个对象都做什么以及何时使用它们？

会话对象封装了计算张量对象的环境

如果

x

是

tf.Tensor

对象，

tf.Tensor.eval

是

tf.Session.run

的缩写，其中

sess

是当前的

tf.get\u default\u Session

您可以将会话设置为默认值，如下所示

x = tf.constant(5.0)
y = tf.constant(6.0)
z = x * y

with tf.Session() as sess:
  print(sess.run(z))   # 30.0
  print(z.eval())      # 30.0

最重要的区别是，您可以使用

sess.run

在下面相同的步骤中获取许多张量的值

print(sess.run([x,y])) # [5.0, 6.0]
print(sess.run(z))     # 30.0

其中as

eval

一次获取一个张量值，如下所示

print(x.eval()) # 5.0
print(z.eval()) # 3.0

TensorFlow计算定义了一个计算图，该图在如下计算之前没有数值

print(x) # Tensor("Const_1:0", shape=(), dtype=float32)

---

在

Tensorflow 2.x（>=2.0）

中，可以使用

tf.compat.v1.Session（）

而不是

tf.Session（）

Session对象封装评估Tensor对象的环境

如果

x

是

tf.Tensor

对象，

tf.Tensor.eval

是

tf.Session.run

的缩写，其中

sess

是当前的

tf.get\u default\u Session

您可以将会话设置为默认值，如下所示

x = tf.constant(5.0)
y = tf.constant(6.0)
z = x * y

with tf.Session() as sess:
  print(sess.run(z))   # 30.0
  print(z.eval())      # 30.0

最重要的区别是，您可以使用

sess.run

在下面相同的步骤中获取许多张量的值

print(sess.run([x,y])) # [5.0, 6.0]
print(sess.run(z))     # 30.0

其中as

eval

一次获取一个张量值，如下所示

print(x.eval()) # 5.0
print(z.eval()) # 3.0

TensorFlow计算定义了一个计算图，该图在如下计算之前没有数值

print(x) # Tensor("Const_1:0", shape=(), dtype=float32)

---

在

Tensorflow 2.x（>=2.0）

中，您可以使用

tf.compat.v1.Session（）

而不是

tf.Session（）

它的帮助是否已满？是的，这很有帮助。非常感谢。所以，如果我有张量，a&b，f=a+b，我可以做a.eval（），b.eval（），sess.run（f）和sess.run（[a，b]）。那是写的吗？是全套的吗？是的，这很有帮助。非常感谢。所以，如果我有张量，a&b，f=a+b，我可以做a.eval（），b.eval（），sess.run（f）和sess.run（[a，b]）。是这样写的吗？@Pranav Kaushik，如果答案回答了你的问题，请你接受并投票表决。感谢You@PranavKaushik，如果答案回答了你的问题，你能接受并投票吗。非常感谢。