我试图了解使用tf.Session和tf.train.MonitoredTrainingSession之间的区别，以及我可能更喜欢其中一个。似乎当我使用后者时，我可以避免许多“琐事”，例如初始化变量、启动队列运行器或设置文件编写器以进行汇总操作。另一方面，在受监控的培训类(class)中，我无法明确指定要使用的计算图。这一切对我来说似乎相当神秘。这些类的创建方式背后是否有一些我不理解的基本哲学？ 最佳答案 我无法就这些类的创建方式提供一些见解，但这里有一些我认为与您如何使用它们相关的事情。tf.Session是pythonTenso

我试图了解使用tf.Session和tf.train.MonitoredTrainingSession之间的区别，以及我可能更喜欢其中一个。似乎当我使用后者时，我可以避免许多“琐事”，例如初始化变量、启动队列运行器或设置文件编写器以进行汇总操作。另一方面，在受监控的培训类(class)中，我无法明确指定要使用的计算图。这一切对我来说似乎相当神秘。这些类的创建方式背后是否有一些我不理解的基本哲学？ 最佳答案 我无法就这些类的创建方式提供一些见解，但这里有一些我认为与您如何使用它们相关的事情。tf.Session是pythonTenso

当使用tf.train.MonitoredTrainingSession编写检查点文件时，它会以某种方式写入多个元图。我做错了什么？我将其简化为以下代码:importtensorflowastfglobal_step=tf.Variable(0,dtype=tf.int32,trainable=False,name="global_step")train=tf.assign(global_step,global_step+1)saver=tf.train.Saver()hooks=[(tf.train.CheckpointSaverHook(checkpoint_dir=output_