Tensorflow中sess.run（c）和c.eval（）之间的区别

Question

在以下示例中，当打印出节点“ c ”的值时，在我看来， print sess.run(c)和print c.eval()之间没有区别。 我可以假设sess.run(c)和c.eval()是等效的吗？ 还是有区别？

import tensorflow as tf

a = tf.Variable(2.0, name="a")
b = tf.Variable(3.0, name="b")
c = tf.add(a, b, name="add")
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(c)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print c.eval()

Answer 1

当在张量上调用c.eval()时， 基本上是在调用tf.get_default_session().run(c) 。 这是一个方便的快捷方式。

但是， Session.run()更通用。

1. 它允许您一次查询多个输出： sess.run([a, b, ...]) 。 当这些输出相关并且依赖于可能改变的状态时，重要的是要同时获得它们以获得一致的结果。 人们经常对此感到惊讶[1] ， [2] 。
2. Session.run()可以使用Tensor.eval()没有的一些参数，例如RunOptions ，这些参数对于调试或分析很有用。
   • 但是请注意， eval() 可以采用feed_dict 。
3. eval()是Tensor的属性。 但Operation S，从而为global_variables_initializer()另一方面不具有eval()但run()另一个方便的快捷键）。 Session.run()可以同时运行。