tf.Session()与@tf.function的区别？图模式下二者如何选型？

大部分人对这两个模式的困惑，根源是现有教程只说了“两个命令都能正常跑出图”，从来没讲透二者的本质差异，选型全靠瞎试：

• %matplotlib inline（静态内嵌图模式）
  核心逻辑：每段代码执行完毕后，直接把当前渲染完成的图形打包成静态图片嵌入输出区，代码和图形的绑定关系在执行结束后就彻底断开。
  优先选它的场景：
  • 在无图形界面的远程服务器、纯文本终端类环境运行，不需要额外加载前端交互组件，只要能传输图像数据就能稳定出图，不会因为环境缺依赖报错
  • 需要把Notebook导出为PDF、静态HTML做长期存档，所有图像都是固定快照，不会出现交互元素失效、图形内容丢失的问题
  • 需要批量执行上百段绘图代码做数据报表，无持续的图形上下文占用，内存开销低，不会出现长时间运行后图形句柄泄漏拖慢进程的问题
• %matplotlib widget（旧版写法为%matplotlib notebook，交互图模式）
  核心逻辑：代码执行完不会生成静态快照，而是把图形对象的控制权和前端交互控件做双向绑定，代码执行结束后依然可以通过图上的按钮直接操作图形。
  优先选它的场景：
  • 做探索性数据分析，需要反复缩放坐标轴、悬停查看数据点数值、框选局部区域的时候，不用反复修改代码重新执行，直接在图上操作就能完成调试
  • 需要实时更新动态内容，比如逐帧绘制的传感器数据流、可拖动滑块的参数拟合曲线，静态内嵌模式根本无法支持这种无代码触发的动态更新
  • 需要快速迭代图形细节，调整坐标轴范围、更换配色的时候，前端会在原有图形上直接更新，不用重新渲染整幅图，交互延迟极低

之前搜不到清晰解释的核心原因是，大部分入门材料只会把两个命令归为“开启matplotlib图形输出”的同类操作，完全不会点明二者的核心边界：静态模式是执行完就封存图形状态，交互模式是执行完保留双向通信通道，从设计目标上就不是为同一个场景设计的。

内容的提问来源于stack exchange，提问作者mshaw03