在 TensorFlow 和其他框架中获取多个变量（开销）答案

【问题标题】：Getting multiple variables in TensorFlow and other frameworks (overheads)在 TensorFlow 和其他框架中获取多个变量（开销）
【发布时间】：2021-11-25 10:02:00
【问题描述】：

如果我有下图并且想在不急切执行的情况下获取 TF 中张量 T1 和 T2 的值，我该怎么做？我只知道 eval() 或 session.run()（运行两次可能是一个选项）或 tf.print()，但不需要打印（出于性能原因）。

特别是，这个功能是如何在 TensorFlow 中实现的？这是否会对获得 T2 产生很大的开销？我也很乐意被指出相关资源。

我一般都在寻找关于此的讨论——如果人们想与其他框架（Caffe、Torch、CNTK、Theano、Chainer、DyNet 等）进行比较，那就太好了！最后，我试图了解这些框架如何被运营商扩展，这些运营商返回特定于运营商的指标，用户可以使用这些指标来监控培训。

谢谢！

【问题讨论】：

标签： tensorflow pytorch caffe theano cntk

【解决方案1】：

您可以将多个参数传递给 session.run，它会运行一次网络并返回每个参数。

例如（来自docs）：

   a = tf.constant([10, 20])
   b = tf.constant([1.0, 2.0])
   u, v = session.run([a, b])

【讨论】：