tf.get_session_handle

tf.get_session_handle(
    data,
    name=None
)

返回作为data的handle，注意data须为tensor

有点抽象，文档里解释的是使用返回的handle，注意必须是sess.run之后返回的handle

在下一次run之前，配合tf.get_session_tensor，可使用data作为输入

tf.get_session_tensor

tf.get_session_tensor(
    handle,
    dtype,
    name=None
)

返回一个placeholder，作为sess.run时的feeding h.handle, 以及handle所指定的tensor

下面的用例（官方没我的解释的清楚）

p1 = tf.placeholder(shape=[1], dtype=tf.int32)
a = tf.multiply(p1, 10)
h = tf.get_session_handle(a)
b = tf.multiply(a, 10)
b, h =sess.run([b, h], feed_dict={p1: [2]})

p, a_ = tf.get_session_tensor(h.handle, dtype=tf.int32)
c = tf.multiply(a_, 10)
sess.run(c, feed_dict={p: h.handle})

输出

array([200])

可以看出来，在第一次run时，p1做了feeding操作，而第二次run时，由于有了handle，可以直接使用之前的结果

运行

sess.run(a_, feed_dict={p: h.handle})

输出

array([20])

可以看出来，第一次run的a值。

总体来说，tf.get_session_handle和tf.get_session_tensor结合使用，可以保存前次那次run时的tensor值，特别是会变化的tensor。

tf.delete_session_tensor

tf.delete_session_tensor(

    handle,

    name=None

)

把handle指定的tensor进行删除操作，删除之后，tf.get_session_tensor就不再可用，否则会报错

继续上面的例子

p,d_op = tf.delete_session_tensor(h.handle)

sess.run([d_op], feed_dict={p: h.handle})

删除之后，以下会报错

sess.run(c, feed_dict={p: h.handle})