张量流中的 eval() 和 run()

Question

我指的是 tensorflow 给出的Deep MNIST for Experts 教程。我在该教程的Train and Evaluate 部分有问题。他们在那里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}))

所以在这些代码段中，他们一次使用了accuracy.eval()。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，我看到了类似的情况

sess.run(variable, feed_dict)

所以我的问题是这 3 种实现之间有什么区别。我怎么知道在什么时候使用什么......？

谢谢！！

Answer 1

如果你只有一个默认会话，它们基本上是一样的。

来自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

来自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

张量和运算的区别：

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。目前这两个是彼此的别名。

Answer 2

区别在于操作与张量。操作使用 run()，张量使用 eval()。

TensorFlow FAQ 中似乎有对这个问题的引用： https://www.tensorflow.org/programmers_guide/faq#running_a_tensorflow_computation

该部分解决了以下问题：Session.run() 和 Tensor.eval() 有什么区别？