在tensorflow中,变量值是会话存储的唯一上下文信息吗?
假设我们运行在tensorflow中,变量值是会话存储的唯一上下文信息吗?,tensorflow,Tensorflow,假设我们运行session.run([tensor_to_eval]),那么唯一的常驻信息是tf.Variable值,并且所有其他求值结果都是从调用返回的,还是被丢弃的 假设我们有两个会话,它们除了默认图形之外是否共享任何内容?TensorFlow中的调用(“步骤”)之间保留着各种形式的状态: 正如您已经指出的,对象在调用之间存储值,这些值可以通过任何步骤读取和写入 TensorFlow队列()允许您在一个步骤中将值或值输入到一个有界缓冲区中,并在以后的步骤中将值或值输入到一个有界缓冲区中。队
session.run([tensor_to_eval])
,那么唯一的常驻信息是tf.Variable值,并且所有其他求值结果都是从调用返回的,还是被丢弃的
假设我们有两个会话,它们除了默认图形之外是否共享任何内容?TensorFlow中的调用(“步骤”)之间保留着各种形式的状态:
- 正如您已经指出的,对象在调用之间存储值,这些值可以通过任何步骤读取和写入
- TensorFlow队列()允许您在一个步骤中将值或值输入到一个有界缓冲区中,并在以后的步骤中将值或值输入到一个有界缓冲区中。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。它们还允许您使用以下函数在逐元素计算和批处理计算之间切换
- TensorFlow读取器()的作用类似于隐式文件指针,在两个步骤之间记住它们在文件中的当前位置。例如,op的后续执行会产生不同的结果
tf.Variable
对象)将在不同的会话中采用不同的值
添加了对会话之间共享的“资源容器”的支持。这些包含变量、队列和读卡器,可以通过将可选的container
参数传递给这些对象的构造函数进行配置