标签：super bsp man range put sign compute check for
tf.train.Supervisor()可以帮我们简化一些事情，可以保存模型参数和Summary，它有以下的作用：
1）自动去checkpoint加载数据或初始化数据 ，因此我们就不需要手动初始化或者从checkpoint中加载数据
2）自身有一个Saver，可以用来保存checkpoint，因此不需要创建Saver，直接使用Supervisor里的Saver即可
3）有一个summary_computed用来保存Summary，因此不需要创建summary_writer
因此从这里看，Supervisor相当于将一些功能集成到一起了，具体代码实现
import tensorflow as tf a = tf.Variable(1) b = tf.Variable(2) c = tf.add(a, b) update = tf.assign(a, c) tf.summary.scalar("a", a) init_op = tf.initialize_all_variables() merged_summary_op = tf.summary.merge_all() sv = tf.train.Supervisor(logdir="./tmp/", init_op=init_op) # 直接初始化 saver = sv.saver with sv.managed_session() as sess: for i in range(10000): update_ = sess.run(update) if i % 10 == 0: merged_summary = sess.run(merged_summary_op) sv.summary_computed(sess, merged_summary, global_step=i) # 直接将summary保存 if i % 100 == 0: saver.save(sess, save_path="./tmp/", global_step=i) # 直接将模型参数保存
标签：super bsp man range put sign compute check for
原文地址：https://www.cnblogs.com/jiangxinyang/p/9396211.html
