我在Tensorflow代码中经常看到以下模式，但通常忽略这些模式后性能会更好。

with tf.Graph().as_default():    # 在这里构建图 ...    loss, train_op = ...    with tf.Session() as sess: # 或者: with sv.managed_sess() as sess, 等        # 在这里运行训练步骤 ...        sess.run(train_op)

但我更喜欢先定义我的图，然后再单独运行会话，如下所示（特别是在Jupyter笔记本中）。

在一个单元格中：

with tf.Graph().as_default():    # 在这里构建图 ...    loss, train_op = ...

在另一个单元格中：

with tf.Session() as sess: # 或者: with sv.managed_sess() as sess, 等    # 在这里运行训练步骤 ...    sess.run(train_op)

我注意到第一种方法创建图需要时间。有时我使用多个图，第二种方法是我的唯一选择。为什么一种方法会比另一种更好？

回答：

在常规的Python脚本中，这两种方法没有区别。但是，如果你使用笔记本，并且单独执行单元格，那么显然不重新创建图比从头开始创建要快。