14 运行计算图之6.1 使用Session运行计算图

查看大图

TensorFlow 学习要把张量、模型、训练和部署放在一条线上，而不是只看单段代码。阅读时可以按「什么是Session？ -> 创建Session -> 启动Session并运行计算图 -> 例子：多个操作的计算图」建立结构，再回到正文里的代码、案例或指标做验证。

查看大图

读完后，用一个真实小任务复查：输入是什么，处理环节在哪里，输出是否可验收；失败时先查「什么是Session？」，再查「创建Session」。

在上一篇文章中，我们介绍了如何构建计算图。现在，我们进入了运行计算图的阶段，特别关注如何使用 Session 来执行计算图。在TensorFlow中，计算图是构建模型的基础，而通过 Session，我们可以实际运行这些图并获取结果。

什么是Session？

Session 是TensorFlow中用于执行计算的环境。它负责分配资源（如计算操作和变量）以及执行计算图中的操作。借助 Session，我们可以有效地运行我们的计算图。

查看大图

使用 Session 运行计算图时，先看初始化、feed_dict、fetch 目标、执行顺序和资源释放。

创建Session

在使用 Session 之前，我们需要先导入 tensorflow 并构建好计算图。以下是一个简单的例子，我们将创建一个计算图以执行加法操作：

查看大图

看《运行计算图之6.1 使用Session运行计算图》时，先把图中的问题、关键词、操作和验收标准对上，再读正文会更省力。读完后，最好能用自己的项目重新讲一遍。

import tensorflow as tf

# 构建计算图
a = tf.constant(2)
b = tf.constant(3)
c = tf.add(a, b)

在上面的代码中，我们创建了两个常量 a 和 b，然后通过 tf.add 操作将它们相加，结果存储在 c 中。

启动Session并运行计算图

创建好计算图之后，我们需要启动一个 Session，并使用它来运行我们的计算图。以下是如何启动和使用 Session 的示例代码：

# 创建Session
with tf.Session() as sess:
    # 执行计算图
    result = sess.run(c)
    print("计算结果:", result)

在这个示例中，我们使用 with 语句创建了一个 Session，并通过 sess.run(c) 来计算 c 的值。sess.run 方法会实际执行计算图并返回 c 的结果。

例子：多个操作的计算图

我们可以扩展这个例子，在一个计算图中执行多个操作，例如加法和乘法。考虑以下示例：

import tensorflow as tf

# 构建计算图
a = tf.constant(2)
b = tf.constant(3)
c = tf.add(a, b)
d = tf.multiply(c, 2)

with tf.Session() as sess:
    result_add = sess.run(c)
    result_mul = sess.run(d)
    print("加法结果:", result_add)
    print("乘法结果:", result_mul)

在这个例子中，我们首先计算了 c = a + b 的结果，然后用结果 c 计算 d = 2 * c。我们在 Session 中分别获取了加法和乘法的结果。

查看大图

学完《运行计算图之6.1 使用Session运行计算图》后，不妨换一个自己的场景试一次，重点观察输入、处理和输出是否能对应起来。

查看大图

如果想把《运行计算图之6.1 使用Session运行计算图》用到自己的任务里，可以先缩小场景，只验证一个最关键的判断点。

总结

在这一节中，我们了解了如何使用 Session 来运行计算图。通过创建一个 Session 实例，我们可以调用 sess.run 执行图中的操作，并获取相关的计算结果。掌握 Session 的使用是理解TensorFlow运行机制的关键。

在接下来的章节中，我们将继续探索Fetch与Feed的概念，以及如何在计算图中更灵活地传递数据。敬请期待下一篇文章！