TensorFlow C++ API中Session::Run的fetch_outputs与run_outputs区别

嘿，这个问题问到点子上了！作为经常和TensorFlow C++ API打交道的人，我来给你把这两个参数的区别讲得明明白白：

核心区别概述 #

简单来说，这两个参数都是用来告诉TensorFlow要执行图中的哪些部分，但目的完全不同：

1. fetch_outputs：获取你需要的张量结果 #

• 这个参数接收的是std::vector<Output>类型，里面放的是你想要获取具体值的节点输出。
• 当Session运行时，TensorFlow会计算这些Output对应的张量，并把结果按顺序存入outputs指针指向的std::vector<Tensor>中。
• 典型场景：推理时获取模型的输出张量、训练时获取当前步的损失值/准确率张量等。

2. run_outputs：强制执行有副作用的操作 #

• 这个参数接收的是std::vector<Operation>类型，里面放的是你只需要执行但不需要获取输出的操作节点。
• 这些操作通常带有副作用：比如更新变量的Assign操作、训练时的优化器minimize操作、写入文件的操作等。你不需要它们的输出，只需要确保它们被执行。
• 典型场景：执行训练操作更新模型权重、执行变量初始化操作、执行数据写入操作等。

实际例子理解 #

举个训练时的常见场景：

假设你定义了一个优化器的训练操作train_op（用来更新模型参数），还有一个损失张量loss_tensor（用来查看当前训练步的损失值）。调用Session::Run时：

• fetch_outputs列表中加入loss_tensor对应的Output
• run_outputs列表中加入train_op对应的Operation
  这样TensorFlow会先执行train_op（完成参数更新的副作用），同时计算loss_tensor的值并返回给你，一举两得。

补充说明 #

TensorFlow的执行是基于依赖图的：不管是fetch_outputs还是run_outputs里的节点，都会触发它们所有依赖的前置节点执行。区别只在于，前者会把计算结果返回给你，后者只执行操作不返回结果。

内容的提问来源于stack exchange，提问作者Summer_More_More_Tea