我什么时候需要运行一个tf.会议（）使用时特斯拉斯层或tf.估计器应用程序编程接口？

Question

我试图协调来自TF“图表和会话”指南和TF“Keras”指南和TF Estimators指南的信息。在前者，它说tf.会议提供计算图访问物理硬件以执行图形并训练模型。就像最初的关于学习TF的教程一样，要求您使用会话来运行任何东西：variables guide，Tensors guide等等。但是，在TF Keras指南中，示例似乎没有显式地调用tf.Session或通常的with tf.Session() as sess:，Keras模型也没有使用急切执行。对于Estimators API也是如此。在

我有几个代码示例。其中一些人使用对会话的调用，而其他人则不使用。我希望有人能澄清使用tf.Session和Keras层或估计器的需求规则是什么。我的意思是，您似乎可以为keras估计器或标准设置run_configsTF.估计器并设置多gpu的设置等

下面是TF Keras指南中的一个函数API示例。请注意，不会调用会话：

inputs = tf.keras.Input(shape=(32,))  # Returns a placeholder tensor

# A layer instance is callable on a tensor, and returns a tensor.
x = layers.Dense(64, activation='relu')(inputs)
x = layers.Dense(64, activation='relu')(x)
predictions = layers.Dense(10, activation='softmax')(x)

model = tf.keras.Model(inputs=inputs, outputs=predictions)

# The compile step specifies the training configuration.
model.compile(optimizer=tf.train.RMSPropOptimizer(0.001),
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# Trains for 5 epochs
model.fit(data, labels, batch_size=32, epochs=100)

谢谢你的任何信息或澄清。在

Answer 1

当只使用Keras时，tf.Session()的调用是不必要的。当使用tensorflow后端时调用它，如here所示。只有在使用tensorflow后端时才调用此函数，而不是与theano或{}一起使用。在

关于使用带有tf.Session()调用的Tensorflow接口，这里解释了here，它只是使用tf.Session()作为Keras和纯Tensorflow张量和/或函数之间的桥梁。在

您可以看到一个将tf.Session()与Keras一起使用set_session()后端函数的示例：

session_conf = tf.ConfigProto(intra_op_parallelism_threads=1, inter_op_parallelism_threads=1)

from keras import backend as K

sess = tf.Session(graph=tf.get_default_graph(), config=session_conf)
K.set_session(sess)