Python 为分布式Tensorflow的不同方法创建中心会话对象

在过去的两天里，我一直在使用分布式tensorflow。我正在运行一个分布式策略梯度代理，它使用一个自定义的

模型
对象，该对象具有独立的方法，如
def calculate\u gradients
和
def update\u params
。每个方法都需要访问
sess
对象，并执行
sess.run（）
以执行一些计算。我正在定义一个中央主管对象
self.sv=supervisor（）
。在需要运行sess.run（）的每个方法中，我必须单独调用self.sv.managed_会话（self.server.target）作为sess
。有没有办法避免这种情况？我认为这真的减慢了我的代码