以不同方式打开会话并在 tensorflow 中执行图形的混淆

Question

我正在尝试使用 TensorFlow 学习深度学习，请原谅我的愚蠢问题。我一直在阅读不同的教程，如“https://github.com/Hvass-Labs/TensorFlow-Tutorials”和“https://github.com/u04617/deeplearning/blob/master/mnist_experiments.ipynb” 不幸的是，我对他们写作的一些差异感到困惑。更具体地说，我有一个关于打开会话的问题：

1) 有什么区别

session = tf.Session()
session.run(tf.global_variables_initializer())
session.run(optimizer, feed_dict=feed_dict_train)

和

sess = tf.InteractiveSession()
tf.initialize_all_variables().run()
optimizer.run({x: batch_xs, y_: batch_ys, keep_prob: 0.5})

确实，我理解每一行背后的基本思想（打开一个会话来执行图形，初始化变量 图表并最终执行字典中给出的图表所需的输入），但我不明白与上面两个代码的区别，尤其是最后一行。

Answer 1

两者都在工作。

• 在 Jupyter Notebook 文件中：使用 InteractiveSession

阅读here 以了解InactiveSession 和Session 之间的区别。 但不要尝试eval()。请帮自己一个忙，使用唯一正确和干净的方式：

init_op = tf.global_variables_initializer()

tf.get_default_graph().finalize()
with tf.Session() as session:
  session.run(init_op)
  session.run(optimizer, feed_dict=feed_dict_train)

operation.run()、tensor.eval()的方式在互联网某处传播。但是有很多警告：

这里有两个：

Tensorflow subtract strange result

Official ZeroOut gradient example error: AttributeError: 'list' object has no attribute 'eval'

我希望他们会在某个时候弃用 `eval()。