tf.train.Supervisor()可以幫我們簡化一些事情，可以保存模型參數和Summary，它有以下的作用：

　　1）自動去checkpoint加載數據或初始化數據 ，因此我們就不需要手動初始化或者從checkpoint中加載數據

　　2）自身有一個Saver，可以用來保存checkpoint，因此不需要創建Saver，直接使用Supervisor里的Saver即可

　　3）有一個summary_computed用來保存Summary，因此不需要創建summary_writer

　　因此從這里看，Supervisor相當于將一些功能集成到一起了，具體代碼實現

import tensorflow as tfa = 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) # 直接將summary保存if i % 100 == 0:saver.save(sess, save_path="./tmp/", global_step=i) # 直接將模型參數保存

?

轉載于:https://www.cnblogs.com/jiangxinyang/p/9396211.html

總結

以上是生活随笔為你收集整理的tensorflow中的Supervisor的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。