python - tf.Session() 是否应该在 tf.Graph() 的上下文中？

Question

我经常在 Tensorflow 代码中看到以下模式，但经常通过忽略它们来获得更好的性能。

with tf.Graph().as_default():

    # Build graph here ...
    loss, train_op = ...

    with tf.Session() as sess: # OR: with sv.managed_sess() as sess, etc.

        # Run training steps here ...
        sess.run(train_op)

但我更喜欢先定义我的图形，然后按如下方式单独运行 session (尤其是在 Jupyter 笔记本中)。

在一个单元格中:

with tf.Graph().as_default():

    # Build graph here ...
    loss, train_op = ...

在另一个单元格中:

with tf.Session() as sess: # OR: with sv.managed_sess() as sess, etc.

    # Run training steps here ...
    sess.run(train_op)

我注意到在第一种方法中创建图形需要时间。有时我会使用多个图表，而第二种方法是我唯一的选择。为什么一种方法会比另一种更好？

Answer 1

这两种方法在常规 python 脚本中没有区别。但是，如果您使用笔记本并分别执行单元格，那么显然不重新创建图表比从头开始制作要快。