我們為了要讓TensorFlow可以正常運作，在執行前我們要使用一個Session功能，將其建立好後，使用者與執行的裝置可以有效的連結，連結後即可在所使用的裝置中進行使用，較Keras不同的是，只要使用者要進行連線，都需要藉由Session進行運作與取得結果。今天我們就繼續前進囉!

執行計算圖

1. 建立Session:
   誠如上面所說，我們要使用一個Session的功能以進行連結，鍵入以下程式碼可建立Session:

sess=tf.Session

2. 執行起始化變數
   接著我們就要開始進行起始化的步驟，將會鍵入以下指令起始化所有TensorFlow Global變數:

init=tf.global_variables_initializer()
sess.run(init)

3. 顯示常數
   接下來筆者會使用兩種方法來顯示出我們的常數，一種是.eval()，另一種則是sess.run
   兩種方法的差異是，使用.eval()語法是利用eval()方法去執行，但要傳入session的參數。另一種就相當直觀，就是輸入sess.run並直接執行計算圖。兩種語法如下所示:

• eval()

print('tf.e=',tf_e.eval(session=sess))

• sess.run

print('tf.e=',sess.run(tf_e))

4. 顯示變數
   反之，顯示的概念也相當類似，就不多加贅述，程式碼如下所示:

• eval()

print('tf.t=',tf_t.eval(session=sess))

• sess.run

print('tf.t=',sess.run(tf_t))

5. 關閉Session
   上述步驟完成後，如果不需要再使用Session功能的話，鍵入sess.close()即可關閉啦!
   注意!如果不須使用的話請記得要關閉喔!
6. 再次執行
   鍵入所有上述的程式碼，即可直接建立計算圖，並開啟sesion，結束後再關閉。

這樣我們就算完成啦!如果怕會忘記關閉session功能的話，使用with語法可開啟session，使用完後系統會自行關閉，畢竟常常會遇到像是電腦當機啦，或是使用者忘記關閉等情況，使用with語法即可解決囉!今天是10/10雙十節，祝中華民國生日快樂啦!

Reference: 林大貴(2019)：TensorFlow+Keras 深度學習人工智慧實務應用。新北市：博碩文化