在张量流中，变量值是会话存储的唯一上下文信息吗？

Question

假设我们运行session.run([tensor_to_eval])，是否唯一的常驻信息是 tf.Variable 值，并且所有其他评估结果要么从调用中返回，要么被丢弃？

假设我们有两个会话，除了默认图表之外，它们是否共享任何内容？

Answer 1

在 TensorFlow session 中的 run() 调用（“步骤”）之间保留了各种形式的状态：

• 正如您已经指出的，tf.Variable 对象存储调用之间的值，可以通过任何步骤读取和写入。
• TensorFlow 队列 (tutorial) 允许您在一个步骤中将 enqueue one 或 many 值放入有界缓冲区，并在后续步骤中将 dequeue one 或 many 值。队列还支持步骤之间的协调，例如生产者/消费者关系中的背压。它们还允许您使用 tf.train.batch() 等函数在逐元素计算和批处理计算之间切换。
• TensorFlow 阅读器 (tutorial) 的行为类似于隐式文件指针，在步骤之间记住它们在文件中的当前位置。 read() op 的后续执行产生，例如不同的lines of a text file。

在 TensorFlow 的单进程版本中，会话不共享任何状态。它们可能共享同一个图（如果它们都是使用相同的默认图创建的），但有状态的组件（例如 tf.Variable 对象）将在不同的会话中采用不同的值。

distributed runtime 增加了对会话之间共享的“资源容器”的支持。这些包括变量、队列和读取器，并且可以通过将可选的container 参数传递给这些对象的构造函数来进行配置。