使用“with tf.Session()”的目的？

Question

我正在练习名为 concatenate 的 keras 方法。

在这个例子中使用 with 语句让我想到了这个语句的目的

示例代码如下所示：

import numpy as np 
import keras.backend as K
import tensorflow as tf

t1 = K.variable(np.array([ [[1, 2], [2, 3]], [[4, 4], [5, 3]]]))
t2 = K.variable(np.array([[[7, 4], [8, 4]], [[2, 10], [15, 11]]]))

d0 = K.concatenate([t1 , t2] , axis=-2)

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(d0))

然后我检查文档：tensorflow 并说：

会话可能拥有资源，例如 tf.Variable、tf.QueueBase 和 tf.ReaderBase。当不再需要这些资源时，释放这些资源很重要。为此，请在会话上调用 tf.Session.close 方法，或将会话用作上下文管理器。

我相信这已经解释了所有这些，但有人可以给我更直观的解释。

提前致谢，祝您有美好的一天！

Answer 1

tf.Session()启动一个 TensorFlow Graph 对象，其中通过操作（或操作）处理张量。with一旦操作完成，该块就会终止会话。因此，不需要调用Session.close. 此外，会话包含变量、全局变量、占位符和操作。这些必须在创建会话后启动。因此我们称tf.global_variables_initializer().run()

图包含张量和操作。要启动图形，需要创建一个运行图形的会话。换句话说，图提供了一个模式，而会话处理一个图来计算值（张量）。

Answer 2

tensorflow文档对此非常具体。

由于tf.Session拥有物理资源（例如 GPU 和网络连接），因此它通常用作上下文管理器（在with块中），在您退出块时自动关闭会话。

也可以在不使用with块的情况下创建会话，但您应该在完成后显式调用tf.Session.close以释放资源。