TensorFlow 中三种启动图 用法

介绍 TensorFlow 中启动图：  tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session()  用法的区别：

（1）tf.Session()

         构造阶段完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象, 如果无任何创建参数, 会话构造器将启动默认图.

具体代码：

#coding:utf-8

import tensorflow as tf

matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.], [2.]])

preduct = tf.matmul(matrix1, matrix2)
# 使用 "with" 代码块来自动完成关闭动作.
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(preduct)

（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。

具体代码：

#coding:utf-8

import tensorflow as tf

matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.], [2.]])

preduct = tf.matmul(matrix1, matrix2)

sess_ = tf.InteractiveSession()

tf.global_variables_initializer().run()
print preduct.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()

具体代码：

import tensorflow as tf

matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.], [2.]])

preduct = tf.matmul(matrix1, matrix2)

sv = tf.train.Supervisor(logdir=None, init_op=tf.global_variables_initializer())

with sv.managed_session() as sess:
    print sess.run(preduct)

另外一个栗子：

#coding:utf-8

import tensorflow as tf

a = tf.Variable(1)
b = tf.Variable(2)
c = tf.add(a, b)

update = tf.assign(a, c)

init = tf.global_variables_initializer()

sv = tf.train.Supervisor(logdir="./tmp/", init_op=init)
saver = sv.saver
with sv.managed_session() as sess:
    for i in range(1000):
        update_ = sess.run(update)
        #print("11111", update)

        if i % 100 == 0:
            sv.saver.save(sess, "./tmp/", global_step=i)

如何使用 Supervisor() 来启动图和保存训练参数