ما الفرق بين Session.run و Tensor.eval في تنسرفلو Tensorflow

eval تقوم بتقييم ال Tensorالذي قام باستدعائها (دالة نستدعيها من خلال الموتر أي: ()tensor.eval). وسيؤدي استدعاء هذه الطريقة إلى تنفيذ جميع العمليات السابقة التي تنتج المدخلات اللازمة للعملية التي تنتج هذا الموتر "التنسر".  وطبعاً قبل استدعاء Tensor.eval، يجب أن يكون قد تم تشغيل البيان الخاص به في جلسة Session، ويجب أن تكون الجلسة الافتراضية متاحة ، أو يجب تحديد الجلسة بشكل صريح.
Session.run تقوم أيضاً بتقييم التنسر (run هي دالة نمرر لها الموتر أي: (tensor)Session.run).
نستنتج أنه عندما يكون لدينا موتر ما وليكن t فإن استدعاء t.eval يكافئ استدعاء tf.get_default_session().run(t) مثال:

import tensorflow as tf
t = tf.constant(5.0)
mysess = tf.Session()
with mysess.as_default():
    assert sess is tf.get_default_session()
    assert t.eval() == mysess.run(t) # لن يعطي خطأ لأنهما متساويتان

لكن Session.run نستطيع من خلالها الحصول على قيم أكثر من موتر دفعة واحدة، مثال:

t1 = tf.constant(5.0)
t2 = tf.constant(4.0)
t3 = tf.constant(6.0)
mul1 = tf.mul(t1, t2)
mul2 = tf.mul(t1,t3 )
with sess.as_default():
   # تقييم الموترين دفعة واحدة
   sess.run([mul1, mul2])   
   mul1.eval()  # تقييم الموتر الأول
   mul2.eval()  #  الثاني

اذا كنت تستخدم Tensor وتنادي بها  t.eval ، فهو تماما كأن تستخدم tf.get_default_session().run(t)

تعتبر t.evel هي اختصار ل sess.run(t) بحيث أن sess  هي ال session الحالية، النموذجين التاليين يؤديان نفس المهمة تماما 

sess = tf.Session()
c = tf.constant(5.0)
print sess.run(c)

c = tf.constant(5.0)
with tf.Session():
  print c.eval()

لو أن الكود الخاص بك تعامل مع عدة رسومات بيانية والكثير من الجلسات sessions فيفضل استخدام Session.run()