张量流中的eval()和run()
python
python-2.7
tensorflow
12
0

我指的是tensorflow给出的Deep MNIST for Experts教程 。我在该教程的“ 训练和评估”部分遇到问题。在那里,他们给出了一个示例代码,如下所示。

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y_conv),reduction_indices=[1]))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.initialize_all_variables())
for i in range(20000):
  batch = mnist.train.next_batch(50)
  if i%100 == 0:
    train_accuracy = accuracy.eval(feed_dict={x:batch[0], y_: batch[1], keep_prob: 1.0})
    print("step %d, training accuracy %g"%(i, train_accuracy))
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

print("test accuracy %g"%accuracy.eval(feed_dict={x: mnist.test.images,
                       y_: mnist.test.labels, keep_prob: 1.0}))

因此,在这些代码段中,他们一次使用了accuracy.eval() 。以及其他时间train_step.run() 。据我所知,它们都是张量变量。

在某些情况下,我看到

sess.run(variable, feed_dict)

所以我的问题是这三种实现之间的区别是什么。而且我怎么知道什么时候使用..?

谢谢!!

参考资料:
Stack Overflow
收藏
评论
共 2 个回答
高赞 时间 活跃

区别在于操作与张量。操作使用run(),而Tensors使用eval()。

TensorFlow常见问题解答中似乎有一个关于此问题的参考: https ://www.tensorflow.org/programmers_guide/faq#running_a_tensorflow_computation

本节解决以下问题:Session.run()和Tensor.eval()有什么区别?

收藏
评论

如果只有一个默认会话,则它们基本上是相同的。

https://github.com/tensorflow/tensorflow/blob/v1.12.0/tensorflow/python/framework/ops.py#L2351

op.run()是调用tf.get_default_session()。run(op)的快捷方式

https://github.com/tensorflow/tensorflow/blob/v1.12.0/tensorflow/python/framework/ops.py#L691

t.eval()是调用tf.get_default_session()。run(t)的快捷方式

张量和操作之间的区别:

张量: https : //www.tensorflow.org/api_docs/python/tf/Tensor

操作: https//www.tensorflow.org/api_docs/python/tf/Operation

注意:Tensor类将来会被Output取代。当前,这两个是彼此的别名。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题