TensorFlow中Session的两种调用方式详解

Mason

发布时间：2026-10-13| 4人浏览过

原创

本文介绍了TensorFlow中通过Session进行交互的两种主要方法。通过矩阵相乘的具体示例，对比了使用sess.run()后手动关闭Session，以及利用with语句自动管理Session资源的方式。文章提供了完整的Python代码实现及运行结果，帮助开发者理解不同场景下的最佳实践。

TensorFlow Session

在TensorFlow框架中，Session（会话）是执行计算图的核心交互方式。掌握Session的使用对于模型运行至关重要，目前主要有两种常用的调用模式。为了直观说明这两种方法的区别，下面将通过一个基础的矩阵乘法示例进行演示。

示例设定为两个二维矩阵相乘，具体数据为第一个矩阵包含元素[[3,1],[1,2]]，第二个矩阵包含元素[[5,2],[2,4]]。

[1,2]} [2,4]}

以下是实现上述矩阵乘法并演示两种Session使用方式的完整代码。

#encoding=utf-8
import tensorflow as tf

matrix1 = tf.constant([[3,1],[1,2]])
matrix2 = tf.constant([[5,2],[2,4]])

product = tf.matmul(matrix1,matrix2) #矩阵乘法

#session method 1
sess = tf.Session()
result = sess.run(product)
print(result)
sess.close()

#session method 2
with tf.Session() as sess2:
 result2 = sess2.run(product)
 print(result2)

运行上述代码后，控制台将输出矩阵乘法计算后的结果数组。