为什么以及何时需要在tensorflow中使用全局步骤

我正在使用tensorflow，但我不确定为什么我甚至需要

global\u step

变量，或者它是否是培训所必需的。我有这样的东西：

while not coord.should_stop():

梯度和变量=优化器。计算梯度（值） train_op=优化器。应用_梯度（梯度和变量）

然后在会话内的循环中，我执行以下操作：

_ = sess.run([train_op])

我正在使用一个队列将数据输入图形。我是否必须实例化一个

全局步骤
变量

我的循环如下所示：

while not coord.should_stop():

所以这个循环在应该停止的时候停止。那么为什么我需要全局步骤呢？
在所有情况下都不需要全局步骤。但有时人们希望停止训练，调整一些代码，然后使用保存和恢复的模型继续训练。然后，通常很高兴知道到目前为止这个模型已经训练了多长时间。因此，这是一个全球性的步骤

此外，有时您的学习速率机制可能取决于模型已经训练的时间。假设你想每10万步降低你的学习速度。如果你没有记录已经采取的步骤的数量，那么如果你在训练期间中断训练，并且没有记录已经采取的步骤的数量，这可能会很困难

此外，如果使用tensorboard，全局步长是图表x轴的中心参数。
好的，谢谢！所以我其实不需要它，但很明显拥有它是非常好的！调用
全局步骤
很重要吗？或者我也可以称之为：
步骤
？我认为这对tensorboard很重要，但我不是100%确定。对于所有其他目的来说，名称并不重要。好吧，是的，对于tensorboard，但对于训练本身，不是这样的，所以如果出现问题，那不是由于
全局\u步骤
造成的。谢谢！我想是的，但我不确定。