tensorflow中的Supervisor

　　tf.train.Supervisor()可以幫我們簡化一些事情，可以保存模型參數和Summary，它有以下的作用：

　　1）自動去checkpoint加載數據或初始化數據 ，因此我們就不需要手動初始化或者從checkpoint中加載數據

　　2）自身有一個Saver，可以用來保存checkpoint，因此不需要創建Saver，直接使用Supervisor里的Saver即可

　　3）有一個summary_computed用來保存Summary，因此不需要創建summary_writer

　　因此從這里看，Supervisor相當於將一些功能集成到一起了，具體代碼實現

import tensorflow as tf


a = tf.Variable(1)
b = tf.Variable(2)
c = tf.add(a, b)
update = tf.assign(a, c)
tf.summary.scalar("a", a)
init_op = tf.initialize_all_variables()
merged_summary_op = tf.summary.merge_all()
sv = tf.train.Supervisor(logdir="./tmp/", init_op=init_op)  # 直接初始化
saver = sv.saver
with sv.managed_session() as sess:
    for i in range(10000):
        update_ = sess.run(update)
        if i % 10 == 0:
            merged_summary = sess.run(merged_summary_op)
            sv.summary_computed(sess, merged_summary, global_step=i)  # 直接將summary保存

        if i % 100 == 0:
            saver.save(sess, save_path="./tmp/", global_step=i)  # 直接將模型參數保存