Tensorflow中sess.run（c）和c.eval（）之間的區別

Question

在以下示例中，當打印出節點“ c ”的值時，在我看來， print sess.run(c)和print c.eval()之間沒有區別。 我可以假設sess.run(c)和c.eval()是等效的嗎？ 還是有區別？

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

當在張量上調用c.eval()時， 基本上是在調用tf.get_default_session().run(c) 。 這是一個方便的快捷方式。

但是， Session.run()更通用。

1. 它允許您一次查詢多個輸出： sess.run([a, b, ...]) 。 當這些輸出相關並且依賴於可能改變的狀態時，重要的是要同時獲得它們以獲得一致的結果。 人們經常對此感到驚訝[1] ， [2] 。
2. Session.run()可以使用Tensor.eval()沒有的一些參數，例如RunOptions ，這些參數對於調試或分析很有用。
   • 但是請注意， eval() 可以采用feed_dict 。
3. eval()是Tensor的屬性。 但Operation S，從而為global_variables_initializer()另一方面不具有eval()但run()另一個方便的快捷鍵）。 Session.run()可以同時運行。