tensorflow的session.run執行一個op和多個op的區別
背景：
session.run方法可以傳入一個op，也可以傳入op列表，例如，我們希望執行op1和op2，有兩種寫法：
sess.run(op1)
sess.run(op2)
和
sess.run([op1, op2])
如果op1和op2有相互包含關係，第寫法1會將op1和op2的圖各完整執行一遍，而寫法2不會重複執行op1和op2中的公共部分。
例如：
# coding: utf-8
# 匯入tensorflow
import tensorflow as tf
with tf.Session() as sess:
base_path = '/Users/gandalf/WorkSpace/test/inputtexts/'
# 3個檔案
filename = [base_path + 'a.txt', base_path + 'b.txt', base_path + 'c.txt']
# 構造檔名佇列，epoch內非隨機排序，1個epoch
filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=1)
# WholeFileReader每次讀出的是一個檔案的所有內容
reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)
# tf.train.string_input_producer定義了一個epoch變數，要對它進行初始化
tf.local_variables_initializer().run()
# 使用start_queue_runners之後，才會開始填充佇列
coord = tf.train.Coordinator() # 為監測輸入檔名佇列是否處理結束
threads = tf.train.start_queue_runners(sess=sess, coord=coord) # 啟動檔案讀取執行緒
try:
while not coord.should_stop():
# 同時執行多個op
key_data, txt_data = sess.run([key, value])
print "key:" + key_data
print "value:\n" + txt_data
print "-------------------------"
except tf.errors.OutOfRangeError:
print('Done reading, file queue ended.')
finally:
coord.request_stop()
coord.join(threads)
sess.close()
輸出：gandalfdeMacBook-Air:test gandalf$ python sessrun.multi.test.py
2018-08-19 20:01:30.853685: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
key:/Users/gandalf/WorkSpace/test/inputtexts/a.txt
value:
1 1 1
2 2 2
3 3 3
-------------------------
key:/Users/gandalf/WorkSpace/test/inputtexts/b.txt
value:
4 4 4
5 5 5
6 6 6
-------------------------
key:/Users/gandalf/WorkSpace/test/inputtexts/c.txt
value:
7 7 7
8 8 8
9 9 9
-------------------------
Done reading, file queue ended.
可見，3個輸入檔案在1個epoch中被順利輸出。
我們試試獨立輸入op：
# coding: utf-8
# 匯入tensorflow
import tensorflow as tf
with tf.Session() as sess:
base_path = '/Users/gandalf/WorkSpace/test/inputtexts/'
# 3個檔案
filename = [base_path + 'a.txt', base_path + 'b.txt', base_path + 'c.txt']
# 構造檔名佇列，epoch內非隨機排序，1個epoch
filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=1)
# WholeFileReader每次讀出的是一個檔案的所有內容
reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)
# tf.train.string_input_producer定義了一個epoch變數，要對它進行初始化
tf.local_variables_initializer().run()
# 使用start_queue_runners之後，才會開始填充佇列
coord = tf.train.Coordinator() # 為監測輸入檔名佇列是否處理結束
threads = tf.train.start_queue_runners(sess=sess, coord=coord) # 啟動檔案讀取執行緒
try:
while not coord.should_stop():
# 輸入多個op
# key_data, txt_data = sess.run([key, value])
# 輸入單獨op
key_data = sess.run(key)
txt_data = sess.run(value)
print "key:" + key_data
print "value:\n" + txt_data
print "-------------------------"
except tf.errors.OutOfRangeError:
print('Done reading, file queue ended.')
finally:
coord.request_stop()
coord.join(threads)
sess.close()
輸出：
gandalfdeMacBook-Air:test gandalf$ python sessrun.multi.test.py
2018-08-19 20:03:07.207565: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
key:/Users/gandalf/WorkSpace/test/inputtexts/a.txt
value:
4 4 4
5 5 5
6 6 6
-------------------------
Done reading, file queue ended.
原理：
第一輪迴圈：
執行key_data = sess.run(key)時就已經針對第一個檔案a.txt執行完了一遍graph，所以列印的key_data是：
/Users/gandalf/WorkSpace/test/inputtexts/a.txt
執行txt_data = sess.run(value)後，已經針對第二個檔案b.txt執行完了一遍graph，所以列印的txt_data是b檔案的內容。
此時，進入第二輪迴圈：
當執行key_data = sess.run(key)，處理完第三個檔案c.txt。
當執行txt_data = sess.run(value)時，觸發檔案佇列結束異常，跳出迴圈，結束程式碼執行。