第二节 会话的概念

import tensorflow as tf

‘‘‘
TensorFlow分为前端系统和后端系统
    前端系统：定义程序的图和结构，即各类语言通过API接口写的程序
    后端系统：运算图的结果
会话：即连接前后端的中间者，起到调度资源的效果
    运行图结构
    分配计算资源
    掌握资源（队列，线程，变量的资源）
‘‘‘
a = tf.constant(5.0)
b = tf.constant(6.0)

# 用run方法打印sum2的时候会报错，因为不是op型，但是如果一部分数据是op型的，那会进行强制转化进行运算，run方法打印sum3时就不会报错
var1 = 2.0
var2 = 4.0
sum2 = var1 + var2
sum3 = var1 + a

# 定义一张图
graph = tf.get_default_graph()

# 不使用上下文启动会话，也可以用这种方式
s = tf.Session()
# run运行图结构
print(s.run(sum3))
# 运行完成后需要释放资源，因此使用上下文管理器，程序运行完成后自动调用loss
s.close()


# 训练模型
# 实时的提供数据去进行训练，placeholder，feed_dict配合使用
# float32指定数据类型，[2, 3]指定数据格式是两行三列的数据，None表示样本数不固定
plt = tf.placeholder(tf.float32, [None, 3])

# 在终端进入python，启动交互环境，tf.InteractiveSession()，可以用a.eval()直接查看a的值，在会话的上下文环境也可以直接调用a.eval()
# 只能运行一个图结构，可以在会话当中指定图，
with tf.Session(graph = graph) as sess:
    # feed_dict参数允许调用者覆盖图中指定张量的值，提供给placeholder（占位符的作用）使用
    print(sess.run(plt, feed_dict={plt:[[1, 3, 4], [4, 5, 6]]}))
    print(sum3.eval())
    # sess.run([a, b, sum1], feed_dict=None)