tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session()  用法的區別：

• tf.Session()

         構造階段完成後, 才能啟動圖. 啟動圖的第一步是建立一個 Session 物件, 如果無任何建立引數, 會話構造器將啟動預設圖.　　

import tensorflow as tf 
matrix1 = tf.constant([[3., 3.]])
matrix2 
 
= tf.constant([[2.],[2.]]) 
preduct = tf.matmul(matrix1, matrix2)

#使用 "with" 程式碼塊來自動完成關閉動作
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(preduct)

• tf.InteractivesSession()

　　為便於使用 IPython之類的 Python 互動環境, 可以使用InteractiveSession 代替 Session 類, 使用 Tensor.eval()和 Operation.run()方法代替Session.run()，這樣可以避免使用一個變數來持有會話。
　　

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()

         (a) 自動去 checkpoint 載入資料或者初始化資料

         (b) 自動有一個 Saver ，可以用來儲存 checkpoint，eg: sv.saver.save(sess, save_path)

         (c) 有一個 summary_computed 用來儲存 Summary

        因此我們可以省略了以下內容：

      （a）手動初始化或者從 checkpoint  中載入資料

      （b）不需要建立 Saver 類， 使用 sv 內部的就可以

     （c）不需要建立 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)