是否可以在TPU上运行python tensorflow代码而不使用Estimator API？

我花了几个星期的时间试图编写一个Python级别的Tensorflow代码，它可以直接与TPU通信。在没有估计器API的情况下，如何实现可以在TPU上运行的系统

我尝试过的资源：

• 关于估计器API、TPU的所有文档

我尝试的方式：

• 初始化了一个TPUClusterResolver并将其作为tf.Session（）的参数传递，它只是挂起而没有执行Session.run（）

• 还尝试了sess.run（tpu.initialize_system（）），但也被卡住了

• 尝试查看TPUEstimator API，如图所示

def列车模型（自身、环境、事件=100，
load_model=False，#从检查点加载模型（如果可用）：？
model_dir='/tmp/pgmodel/'，log_freq=10）：
#初始化变量和负载模型
init_op=tf.global_variables_initializer（）
自我评估运行（初始操作）
如果加载模式为：
ckpt=tf.train.get\u checkpoint\u状态（model\u dir）
打印tf.列车最新检查点（型号\U dir）
如果ckpt和ckpt.model\u检查点路径：
savr=tf.train.import\u元图（ckpt.model\u checkpoint\u path+'.meta'）
out=savr.restore（self.\u sess，ckpt.model\u checkpoint\u path）
打印（“模型还原自”，ckpt.Model\u检查点\u路径）
其他：
打印（'在：'处未找到检查点，型号\目录）
如果操作系统路径不存在（模型目录）：
os.makedirs（model_dir）
事件=0
观察=环境重置（）
xs、rs、ys=[]、[]、[]#环境信息
运行奖励=0
奖励金额=0
#训练回路
日=0
simrors=np.zero（剧集）
mktrors=np.0（剧集）
alldf=无
胜利=错误
而插曲<插曲而非胜利：
#从网络中随机抽样策略
x=观察值
feed={self.\utf\ux:np.重塑（x，（1，-1））}
aprob=self.\u sess.run（self.\u tf\u aprob，feed）
aprob=aprob[0，：]#我们生活在一个分批处理的世界：/
动作=np.random.choice（self.\u num\u动作，p=aprob）
标签=np.类零（aprob）；标签[行动]=1#制作培训“标签”
#逐步调整环境并获得新的测量值
观察、奖励、完成、信息=环境步骤（行动）
#打印观察、奖励、完成、信息
奖励_sum+=奖励
#记录比赛历史
追加（x）
附加（标签）
卢比（奖励）
天数+=1
如果这样做：
跑步奖励=跑步奖励*0.99+奖励总额*0.01
epx=np.vstack（xs）
epr=np.vstack（卢比）
epy=np.vstack（ys）
xs、rs、ys=[]、[]、[]#重置游戏历史记录
df=env.env.sim.to_df（）
#pdb.set_trace（）
simrors[插曲]=df.bod_导航值[-1]-1#复合返回
mktrors[插曲]=测向mkt_导航值[-1]-1
如果alldf不是其他pd.concat（[alldf，df]，轴=0），则alldf=df
feed={self.\utf\ux:epx，self.\utf\uepr:epr，self.\utf\uy:epy}
_=self._sess.run（self._train_op，feed）#参数更新
如果事件%log\u freq==0：
log.info（'year#%6d，平均报酬：%8.4f，模拟回报：%8.4f，市场回报：%8.4f，净回报：%8.4f'，插曲，
运行奖励，模拟[插曲]，模拟[插曲]，模拟[插曲]-模拟[插曲]）
save\u path=self.\u saver.save（self.\u sess，model\u dir+'model.ckpt'，
全局（步骤=事件+1）
如果事件>100：
vict=pd.DataFrame（{'sim'：simrors[Spidence-100:Spidence]，
“mkt”：mktrors[第100集：第]}
vict['net']=vict.sim-vict.mkt
如果vict.net.mean（）大于0.0：
胜利=真实
log.info（'恭喜你，沃伦·巴菲特！你赢了这场交易游戏'）
#打印（“保存在文件中的模型：{}”。格式（保存路径））
插曲+=1
观察=环境重置（）
奖励金额=0
日=0
返回alldf，pd.DataFrame（{'simror'：simrors，'mktror'：mktrors}）

我在Estimator API实现中遇到的问题：

• 我有一个基于策略梯度的强化学习代码，其中包含一个神经网络
• 在执行过程中，我有两个session.run（）。在这一集里，每一步都有一个动作。另一个在这一集的结尾
• tf.train.SessionRunHook不是适合我的代码的实现