轉自https://blog.csdn.net/lyc_yongcai/article/details/73467480

TensorFlow 中有三種啟動圖的方法：tf.Session()，tf.InteractivesSession()，tf.train.Supervisor().managed_session()

它們各自的用法如下：

（1）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。

（2）tf.InteractivesSession()：為了便於使用諸如 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()

（3）tf.train.Supervisor().managed_session() ：

與上面兩種啟動圖相比較來說，Supervisor() 幫助我們處理一些事情：

  (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
 
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)