我已经看到了很多人对 TensorFlow 的 tf.Graph 和 tf.Session 的规则感到困惑。其实很简单：
Graph（图形）定义了计算。但它不计算任何东西，也不包含任何值，它只是定义您在代码中指定的操作。
Session（会话）允许执行图形或部分图形。它为此分配资源（在一台或多台机器上）并保存中间结果和变量的实际值。
我们来看一个例子。
定义图表
我们使用一个变量和三个操作定义一个 Graph（图形）：variable 返回变量的当前值。initialize 将初始值 42 分配给该变量。assign 将新值 13 赋给该变量。
graph = tf.Graph()
with graph.as_default():
variable = tf.Variable(42, name=’foo’)
initialize = tf.global_variables_initializer()
assign = variable.assign(13)
旁注：TensorFlow 为您创建一个默认图形，因此我们不需要上面代码的前两行。默认图表也是下一小节中的会话在不手动指定图表时使用的缺省值。
在 Session（会话）中运行计算
要运行三个定义的操作中的任何一个，我们需要为该图创建一个会话。会话还将分配内存来存储变量的当前值。
with tf.Session(graph=graph) as sess:
sess.run(initialize)
sess.run(assign)
print(sess.run(variable))
# Output: 13
如您所见，我们的变量值仅在一个会话中有效。如果我们尝试在第二个会话中查询该值，TensorFlow 将引发错误，因为该变量未在那里初始化。
with tf.Session(graph=graph) as sess:
print(sess.run(variable))
# Error: Attempting to use uninitialized value foo
当然，我们可以在多个会话中使用该图，我们只需要再次初始化变量。新会话中的值将完全独立于第一个：
with tf.Session(graph=graph) as sess:
sess.run(initialize)
print(sess.run(variable))
# Output: 42
希望这个简短的工作可以帮助您更好地理解 tf.Session。随意在评论中提问。
更新（时间 2017-07-12）：在 TensorFlow 1.0 中初始化变量的操作已更改。
您可以在开放的 CC BY-SA 3.0 许可下使用此帖子，并将其引用为：
@misc {hafner2016tfsession，
作者 = {Hafner，Danijar}，
title = {什么是 TensorFlow 会话？}，
年 = {2016}，
howpublished = {博客文章}，
url = {https://danijar.com/what-is-a-tensorflow-session/}
}