Python Tensorflow 1.11挂起；sess=tf.Session（）；

我从1.10更新到TensorFlow 1.11，无法运行运行状况检查。下面的代码挂起

sess=tf.Session（）

配置：Windows10x64，最新的GPU驱动程序，CUDA9.0，CUDNN7.3，Python 3.6.6。同样的设置也适用于TF1.10，突然一切都停止了

还有其他人遇到过类似的情况吗

import os
import numpy as np
import tensorflow as tf

def tftest(a, b):
    # Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
    x_data = np.random.rand(100).astype(np.float32)
    y_data = x_data * a + b

    # Try to find values for W and b that compute y_data = W * x_data + b
    # (We know that W should be 0.1 and b 0.3, but TensorFlow will
    # figure that out for us.)
    W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
    b = tf.Variable(tf.zeros([1]))
    y = W * x_data + b

    # Minimize the mean squared errors.
    loss = tf.reduce_mean(tf.square(y - y_data))
    optimizer = tf.train.GradientDescentOptimizer(0.5)
    train = optimizer.minimize(loss)

    # Before starting, initialize the variables.  We will 'run' this first.
    init = tf.global_variables_initializer()

    # Launch the graph.
    sess = tf.Session()   #<< the script hangs here!
    sess.run(init)

    # Fit the line.
    for step in range(201):
        sess.run(train)
        if step % 20 == 0:
            print(step, sess.run(W), sess.run(b))

if __name__ == "__main__":
    tftest(20, 10)

导入操作系统
将numpy作为np导入
导入tensorflow作为tf
def tftest（a，b）：
#在NumPy中创建100个假x，y数据点，y=x*0.1+0.3
x_data=np.random.rand（100）.astype（np.float32）
y_数据=x_数据*a+b
#尝试查找计算y_data=W*x_data+b的W和b的值
#（我们知道W应该是0.1，b应该是0.3，但TensorFlow会
#为我们找出答案。）
W=tf.变量（tf.随机统一（[1]，-1.0,1.0））
b=tf.变量（tf.零（[1]））
y=W*x_数据+b
#最小化均方误差。
损失=tf.减少平均值（tf.平方（y-y_数据））
优化器=tf.train.GradientDescentOptimizer（0.5）
列车=优化器。最小化（损失）
#在开始之前，初始化变量。我们将首先“运行”这个。
init=tf.global_variables_initializer（）
#启动图表。
sess=tf.Session（）#我想这是一个好主意。该问题仍然存在，似乎与使用MSVC构建的Egen中的一个问题有关

好消息是TensorFlow不会无限期挂起：必须等待3-4-5分钟，然后代码恢复。这只在TensorFlow第一次启动时发生一次