tensorFlow 三种启动图的用法

tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session() 用法的区别：

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.　　

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)

tf.InteractivesSession()

　　为便于使用 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。
　　

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()

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)

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()

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)

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)

秒客网

tensorFlow 三种启动图的用法

相关文章