如何评估 TensorFlow 中新的 tf.contrib.summary 摘要？

Question

我在理解作为操作的新 tf.contrib.summary API. In the old one, it seemed that all one was supposed to do was to run tf.summary.merge_all() 和运行时遇到了一些麻烦。

但是现在我们有了tf.contrib.summary.record_summaries_every_n_global_steps这样的东西，可以这样使用：

import tensorflow.contrib.summary as tfsum

summary_writer = tfsum.create_file_writer(logdir, flush_millis=3000)
summaries = []

# First we create one summary which runs every n global steps
with summary_writer.as_default(), tfsum.record_summaries_every_n_global_steps(30):
    summaries.append(tfsum.scalar("train/loss", loss))

# And then one that runs every single time?
with summary_writer.as_default(), tfsum.always_record_summaries():
    summaries.append(tfsum.scalar("train/accuracy", accuracy))

# Then create an optimizer which uses a global step
step = tf.create_global_step()
train = tf.train.AdamOptimizer().minimize(loss, global_step=step)

现在来几个问题：

如果我们只是运行 session.run(summaries) 在一个循环中，我假设每次都会写入准确度摘要，而损失则不会，因为只有在全局步骤可以被 30 整除？
假设摘要自动评估它们的依赖关系，我永远不需要运行 session.run([accuracy, summaries]) 但可以运行, session.run(summaries) 因为它们在图中有依赖关系，对吧？
如果 2) 为真，我不能只在训练步骤中添加一个控制依赖项，以便在每列火车上写摘要运行？或者这是一种不好的做法？
对于将要同时评估的事物，通常使用控制依赖性有什么缺点吗？
为什么 tf.contrib.summary.scalar（和其他人）接受 step 参数？

通过在 3) 中添加控件依赖项，我的意思是这样做：

tf.control_dependencies(summaries):
    train = tf.train.AdamOptimizer().minimize(loss, global_step=step)

Answer 1

已根据要求将答案从编辑移至自行回答

我只是稍微尝试了一下，似乎如果将 tf.control_dependencies 与 tf.record_summaries_every_n_global_steps 结合起来，它的行为符合预期，并且仅在每第 n 步记录一次摘要。但是，如果它们在一个会话中运行在一起，例如 session.run([train, summs])，则每隔一段时间存储一次摘要，但不是每第 n 步存储一次。我用 n=2 测试了这个，用第二种方法，总结通常是在奇数步写的，而在控制依赖方法中，它总是在偶数步。

如何评估 TensorFlow 中新的 tf.contrib.summary 摘要？

How are the new tf.contrib.summary summaries in TensorFlow evaluated?

python

tensorflow

tensorboard