[tf]sess.run机制

• 在一个sess.run()环境中，一个大图里面的节点只会计算一次，哪怕有c->a->b这种依赖关系，运行sess.run([a,b])这种时候，a也只会被执行一次。其内部的机制是：先查看图中的依赖关系，得到本次sess.run()需要计算图中那些节点，然后进行一次计算，返回计算的a,b的值。
• 如果是多次调用sess.run()那么就会计算多次。
  一个生动的例子：和addop有依赖关系的c，在一个sess.run中addop只被运行了一次，

a = tf.constant(1)
b = tf.Variable(1)
addop= tf.assign(b,b+3)
c = addop + a
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    cc,bb = sess.run([addop,c])
    print(cc,bb)
    bb = sess.run(addop)
    print(bb)
>>4 5
7