如何进行Tensorflow中Session和InteractiveSession的比较，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
成都创新互联公司服务项目包括宾县网站建设、宾县网站制作、宾县网页制作以及宾县网络营销策划等。多年来，我们专注于互联网行业，利用自身积累的技术优势、行业经验、深度合作伙伴关系等，向广大中小型企业、政府机构等提供互联网行业的解决方案，宾县网站推广取得了明显的社会效益与经济效益。目前，我们服务的客户以成都为中心已经辐射到宾县省份的部分城市，未来相信会继续扩大服务区域并继续获得客户的支持与信任！
01
Session
每一个Session都维护各自变量的副本。
如下所示：
W = tf.Variable(10)
sess1 = tf.Session()
sess2 = tf.Session()
sess1.run(W.initializer)
sess2.run(W.initializer)
print sess1.run(W.assign_add(10)) # >> 20
print sess2.run(W.assign_sub(2)) # >> ?
？等号8，sess1和sess2各自维护W，所以sess1中W增加10，不会影响sess2的W，所以它等于10-2=8.
02
Session vs InteractiveSession
有时候我们会看到：InteractiveSession，而不是Session，它们区别是？
One major change is the use of an InteractiveSession, which allows us to run variables without needing to constantly refer to the session object (less typing!).
InteractiveSession()
sess = tf.InteractiveSession()
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
# We can just use 'c.eval()' without specifying the context 'sess'
print(c.eval())
sess.close()
Session()
sess = tf.Session()
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
with tf.Session() as sess:
sess.run(print(c.eval()))
看完上述内容，你们掌握如何进行Tensorflow中Session和InteractiveSession的比较的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
