tensorflow 启动Session(tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session() )

（1）tf.Session()

         计算图构造完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象。

示例程序：

#coding:utf-8  
  
import tensorflow as tf  

#构造图 
a = tf.constant(4)  
b = tf.constant(5)  
c = a+b

#启动图 
with tf.Session() as sess:  
    print(sess.run(c))
      
     

 

（2）tf.InteractivesSession()

         为了便于使用诸如 IPython之类的 Python 交互环境, 可以使用InteractiveSession 代替 Session 类, 使用 Tensor.eval()和 Operation.run()方法代替Session.run(). 这样可以避免使用一个变量来持有会话。

# coding:utf-8

import tensorflow as tf

a = tf.constant(4)
b = tf.constant(5)
c = a + b

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
print(c.eval() )
sess.close()

 

（3）tf.train.Supervisor().managed_session() 
         与上面两种启动图相比较来说，Supervisor() 帮助我们处理一些事情：

         (a) 自动去 checkpoint 加载数据或者初始化数据

       （b) 自动有一个 Saver ，可以用来保存 checkpoint

               eg: sv.saver.save(sess, save_path)
 

          (c) 有一个 summary_computed 用来保存 Summary

         因此我们可以省略了以下内容：

          （a）手动初始化或者从 checkpoint  中加载数据

          （b）不需要创建 Saver 类， 使用 sv 内部的就可以

          （c）不需要创建 Summary_Writer()

# coding:utf-8

import tensorflow as tf

a = tf.constant(4)
b = tf.constant(5)
c = a + b

sup_sess = tf.train.Supervisor(logdir=None, init_op=tf.global_variables_initializer())
with sup_sess.managed_session() as sess:
    print(sess.run(c))