TensorFlow技术疑问：会话外使用lambda及MTCNN创建代码困惑

各位好，我最近在读一段TensorFlow代码（第85-89行）的时候，对里面的图和会话管理逻辑有点懵，于是我修改了代码，把逻辑拆解得更明白：

with tf.Graph().as_default():
    gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_fraction)
    sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False))
    with sess.as_default():
        pnet = align.detect_face.create_mtcnn(sess, None)
        out = pnet(img_y)

先拆解下这段代码的核心流程：

• 首先创建一个新的TensorFlow图，并把它设为当前默认图；
• 接着配置GPU内存分配比例，用这个配置初始化会话；
• 再把这个会话设为当前默认会话，确保后续的MTCNN操作都绑定在这个会话和对应的图上；
• 最后初始化MTCNN的P-Net，传入会话和空的模型路径，然后用它对图片img_y做推理。

再看下create_mtcnn函数的部分定义：

def create_mtcnn(sess, model_path):
    if not model_path:
        model_path...

从这个片段能看出来，当传入的model_path为空时，函数内部应该会有默认的模型加载逻辑（比如从预设路径读取权重文件）。

我修改后的代码把图和会话的上下文层级明确区分开了，在TensorFlow 1.x这种静态图模式下，如果不做这种显式的上下文管理，很容易出现跨图操作的错误——毕竟所有计算操作都绑定在特定的图和会话上，这样的写法能让逻辑更直观，后续排查问题也更方便。

内容的提问来源于stack exchange，提问作者Tengerye