一、tf.Session()函数
Session封装了被执行操作和Tensor计算的环境。
一个Session可能拥有像变量、队列和reader（不知道怎么翻译，有说读取器）的资源。当它们不在被需要时，释放它们是很重要的。为了释放资源，要么用close()，要么使用作为context管理器的Session。下面2个是等价的。
1 # Using the `close()` method. 2 sess = tf.Session() 3 sess.run(...) 4 sess.close() 5 6 # Using the context manager. 7 with tf.Session() as sess: 8 sess.run(...)
例子
1 import tensorflow as tf 2 3 matrix1 = tf.constant([[3, 3]]) 4 matrix2 = tf.constant([[2], 5 [2]]) 6 product = tf.matmul(matrix1, matrix2) # matrix multiply np.dot(m1, m2) 7 8 # method 1 9 sess = tf.Session() 10 result = sess.run(product) 11 print(result) 12 sess.close() 13 14 # method 2 15 with tf.Session() as sess: 16 result2 = sess.run(product) 17 print(result2)
二、tf.Graph()函数
tf.Graph() 函数非常重要，注意提现在两个方面
1. 它可以通过tensorboard用图形化界面展示出来流程结构
2. 它可以整合一段代码为一个整体存在于一个图中
原文：https://www.cnblogs.com/staticxff/p/9508838.html