繼續來看 Session 的部分。

Session 是 Tensorflow 用來執行命令的語句。可以利用 seesion.run() 來執行已經建立好的 graph 上的某個部份的運算結果。這裡 Session 的筆記和範例程式碼一樣來自官方文件。

Session 會把 graph ops 放到你的機器上面，例如 CPUs 或 GPUs，並且提供執行他們的方法。

建立 graph

這邊先來建立一個簡單的 graph。先從 source ops，也就是不需要任何 input 的 op 開始。例如從建立 Constant 開始，然後將這些常數傳給其他 ops 來做計算。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import tensorflow as tf
# Create a Constant op that produces a 1x2 matrix.  The op is
# added as a node to the default graph.
# The value returned by the constructor represents the output
# of the Constant op.
matrix1 = tf.constant([[3., 3.]])
# Create another Constant that produces a 2x1 matrix.
matrix2 = tf.constant([[2.],[2.]])
# Create a Matmul op that takes 'matrix1' and 'matrix2' as inputs.
# The returned value, 'product', represents the result of the matrix
# multiplication.
product = tf.matmul(matrix1, matrix2)  # matrix multiply np.dot(m1, m2)

建立與開啟 session

目前為止這個 graph 有三個節點：兩個 constant() ops 和一個 matmul() op。而要實際執行 matmul()，也就是矩陣乘法，必須要把這個 graph launch 在一個 session 裡。要 launch 一個 graph 必須先建立一個 Session object。而使用 Session 的方式有兩種，首先看一下第一種。

要得到 product 的執行結果必須利用 session.run(product)。Session 去呼叫 run(product) 會執行三個 graph 中的 ops: 兩個 constants 和 matmul。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# Launch the default graph.
sess = tf.Session()
# To run the matmul op we call the session 'run()' method, passing 'product'
# which represents the output of the matmul op.  This indicates to the call
# that we want to get the output of the matmul op back.
#
# All inputs needed by the op are run automatically by the session.  They
# typically are run in parallel.
#
# The call 'run(product)' thus causes the execution of three ops in the
# graph: the two constants and matmul.
#
# The output of the matmul is returned in 'result' as a numpy `ndarray` object.
result = sess.run(product)
print(result)  # [[ 12.]]
# Close the Session when we're done.
sess.close()

第二種方式使用 with。在 with block 結束的同時，session 會被一併關閉。

1
2
3
with tf.Session() as sess:
  result = sess.run([product])
  print(result)

前面有提到 Session 會把 graph 放到 CPUs 或 GPUs 上，而如果有多的 CPU 或 GPU 可以利用，with…Device 這個 statement 可以去指定你要用的 CPU 或是 GPU：

1
2
3
4
5
6
with tf.Session() as sess:
  with tf.device('/gpu:1'):
    matrix1 = tf.constant([[3., 3.]])
    matrix2 = tf.constant([[2.],[2.]])
    product = tf.matmul(matrix1, matrix2)
    ...
  • /cpu:0: The CPU of your machine.
  • /gpu:0: The GPU of your machine, if you have one.
  • /gpu:1: The second GPU of your machine, etc.