Tensorflow 是否会为每个 eval() 调用重新运行？

Question

在 Tensorflow 和 Python 中，我正在做以下事情，通过在计算结束时观察多个变量来理解 Tensorflow 和调试代码。

with tf.Session():
    print "var1 ="
    print (var1.eval({x:myInputs, y:myOutputs}))
    print "var2 ="
    print (var2.eval({x:myInputs, y:myOutputs}))

Tensorflow 是否会为每个 eval() 调用重新运行整个图形计算？重新运行整个图只是为了打印出一个变量（张量）似乎效率低下。如果这是正在发生的事情，有没有办法运行一次 graph/process/eval 然后打印出每个变量的值，而无需重新运行整个图表？

Answer 1

当您调用 Tensor.eval() 时，TensorFlow (i) 计算出整个图的哪个子图需要运行产生该张量的值，然后 (ii) 运行这就是整个图表。

使用Session.run()一次获取多个张量的值通常效率更高。例如，您可以将代码重写为运行图形一次：

with tf.Session() as sess:
    val1, val2 = sess.run([var1, var2], {x:myInputs, y:myOutputs})
    print "var1 =", val1
    print "var2 =", val2

Tensorflow 是否会为每个 eval() 调用重新运行？

Does Tensorflow rerun for each eval() call?

python

tensorflow