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Python 为分布式Tensorflow的不同方法创建中心会话对象,python,tensorflow,distributed-computing,Python,Tensorflow,Distributed Computing,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.ta
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