详解TensorFlow报”InvalidStateError: The current session is not a TensorFlow session. “的原因以及解决办法

背景

使用TensorFlow进行训练的过程中，有时候会出现如下错误：

InvalidStateError: The current session is not a TensorFlow session.

这个错误提示看起来很奇怪，我们接下来一步步进行分析。

分析

根据错误提示，我们可以发现是因为当前的session不是合法的TensorFlow session，也就是说，当前的session并没有被TensorFlow给认可。

在TensorFlow中，Session是一个重要的概念。Session是用来驱动整个TensorFlow的计算的，它负责分配计算资源，执行计算图，然后把结果返回给用户。我们也可以认为Session是连接TensorFlow前端和后端的桥梁。

如果我们使用TensorFlow来进行训练的时候，必须要创建一个Session对象。这个Session对象会被用来控制整个训练过程，最终负责输出训练的结果。

那么，为什么会出现"InvalidStateError: The current session is not a TensorFlow session"这个错误呢？

原因

出现这个错误的原因，很有可能是因为我们没有正确地初始化Session对象。

在TensorFlow中，Session对象可以是两种类型：

• 普通的Session对象，它必须要显式地指定Session的图（Graph）；
• InteractiveSession对象，它会自动把自己设置成默认的Session，并且会自动去初始化默认的图。

如果我们使用InteractiveSession，那么我们就可以省略显式地设置默认图的过程。不过，在一些情况下，我们仍然需要显式地设置默认的图。

那么，如果我们在训练的时候，没有正确地初始化Session对象，那么就会导致后续的计算出现错误。

解决办法

正确的使用Session对象非常重要，下面是我们推荐的使用方法。

显式地创建Session对象

在使用TensorFlow进行训练的时候，我们建议使用显式地创建Session对象的方法，代码如下所示：

import tensorflow as tf

# 创建一个图
graph = tf.Graph()

with graph.as_default():
  # 在图上定义变量
  x = tf.Variable(initial_value=[1.0], dtype=tf.float32)
  y = tf.Variable(initial_value=[2.0], dtype=tf.float32)

  # 定义一个操作
  z = x + y

  # 初始化变量
  init_op = tf.global_variables_initializer()

# 创建Session对象
with tf.Session(graph=graph) as sess:
  # 运行初始化操作
  sess.run(init_op)

  # 运行操作
  print(sess.run(z))

在这个例子中，我们首先创建了一个图（Graph）对象，然后在图上定义了两个变量x和y，以及一个操作z。最后，我们显式地创建了一个Session对象，并且在Session内部运行了操作z。

使用InterativeSession对象

除了使用显式地创建Session对象的方法之外，我们还可以使用InteractiveSession对象。

InteractiveSession对象是一种特殊的Session对象，它可以自动把自己设置成默认的Session，并且会自动去初始化默认的图。如果我们使用InteractiveSession对象，那么我们就可以省略显式地设置默认图的过程。

代码如下所示：

import tensorflow as tf

# 创建一个图
graph = tf.Graph()

with graph.as_default():
  # 在图上定义变量
  x = tf.Variable(initial_value=[1.0], dtype=tf.float32)
  y = tf.Variable(initial_value=[2.0], dtype=tf.float32)

  # 定义一个操作
  z = x + y

  # 初始化变量
  init_op = tf.global_variables_initializer()

# 创建InteractiveSession对象
sess = tf.InteractiveSession(graph=graph)

# 运行初始化操作
sess.run(init_op)

# 运行操作
print(sess.run(z))

在这个例子中，我们首先创建了一个图（Graph）对象，然后在图上定义了两个变量x和y，以及一个操作z。接着，我们创建了一个InteractiveSession对象，并且在InteractiveSession内部运行了操作z。最后，运行完毕之后，我们调用了close()方法关闭了InteractiveSession对象。

注意，当我们使用InteractiveSession对象的时候，我们必须要手动将Session对象关闭，否则会导致资源泄漏的问题。

总结

在使用TensorFlow进行训练的时候，Session对象是非常重要的一个概念。为了避免出现"InvalidStateError: The current session is not a TensorFlow session."这个错误，我们建议大家在训练的时候，显式地创建Session对象，并且正确地初始化它。如果想要省略初始化的过程，可以使用InteractiveSession对象。