第一章 TensorFlow 基础概念
Session
TensorFlow中的会话用于执行定义好的运算。会话拥有并管理 TensorFlow程序运 行时的所有资源。所有计算完成之后需要关闭会话来帮助系统回收资源，否则就可能出现资源泄漏的问题。
简单的理解TensorFlow在定义好变量和计算的时候，并不会马上进行计算，需要通过session来进行执行，这就好比我们搭电路图，当电路连接完，当插头通电的时候，整个电路才开始运作。
# 定义tensor
v1 = tf.constant(value=1,name='v1',shape=(1,2),dtype=tf.float32)
v2 = tf.constant(value=2,name='v1',shape=(1,2),dtype=tf.float32)
# 定义计算
add = v1 + v2
# 创建session
sess = tf.Session()
# 执行计算
result = sess.run(add)
print(reslut)
# 关闭session，避免资源泄漏
sess.close()
# 输出结果：[[3. 3.]]
使用这种方式调用session需要明确调用Session.close()来关闭session并释放资源避免资源泄漏问题。
当然，我们更多用到的是通过Python的上下文管理器来使用session，来自动释放所有资源。
# 定义tensor
v1 = tf.constant(value=1,name='v1',shape=(1,2),dtype=tf.float32)
v2 = tf.constant(value=2,name='v1',shape=(1,2),dtype=tf.float32)
# 定义计算
add = v1 + v2
# 创建session
with tf.Session() as sess:
# 执行计算
sess.run(add)
这样我们就可以不用手动的调用Session.close()来关闭会话了。
复盘
今天我们学习了Session会话的两种使用方式，别看它这么简单，但在之后教程里我们会经常看到它的身影。
