tf.InteractiveSession():它能讓你在執行圖的時候，插入一些計算圖，這些計算圖是由某些操作(operations)構成的。這對於工作在互動式環境中的人們來說非常便利，比如使用IPython。

tf.Session():需要在啟動session之前構建整個計算圖，然後啟動該計算圖。

意思就是在我們使用tf.InteractiveSession()來構建會話的時候，我們可以先構建一個session然後再定義操作（operation），如果我們使用tf.Session()來構建會話我們需要在會話構建之前定義好全部的操作（operation）然後再構建會話。

官方tutorial是這麼說的：

The only difference with a regular Session is that an InteractiveSession installs itself as the default session on construction. The methods Tensor.eval() and Operation.run() will use that session to run ops.

翻譯一下就是：tf.InteractiveSession()是一種互動式的session方式，它讓自己成為了預設的session，也就是說使用者在不需要指明用哪個session執行的情況下，就可以執行起來，這就是預設的好處。這樣的話就是run()和eval()函式可以不指明session啦。

對比一下：

import tensorflow as tf
import numpy as np

a=tf.constant([[1., 2., 3.],[4., 5., 6.]])
b=np.float32(np.random.randn(3,2))
c=tf.matmul(a,b)
init=tf.global_variables_initializer()
sess=tf.Session()
print (c.eval())

上面的程式碼編譯是錯誤的，顯示錯誤如下：

ValueError: Cannot evaluate tensor using `eval()`: No default session is registered

import tensorflow as tf
import numpy as np

a=tf.constant([[1., 2., 3.],[4., 5., 6.]])
b=np.float32(np.random.randn(3,2))
c=tf.matmul(a,b)
init=tf.global_variables_initializer()
sess=tf.InteractiveSession()
print (c.eval())

而用InteractiveSession()就不會出錯，說白了InteractiveSession()相當於：

sess=tf.Session()
with sess.as_default():

換句話說，如果說想讓sess=tf.Session()起到作用，一種方法是上面的with sess.as_default()；另外一種方法是

sess=tf.Session()
print (c.eval(session=sess))

其實還有一種方法也是with，如下：

import tensorflow as tf
import numpy as np

a=tf.constant([[1., 2., 3.],[4., 5., 6.]])
b=np.float32(np.random.randn(3,2))
c=tf.matmul(a,b)
init=tf.global_variables_initializer()
with tf.Session() as sess:
    #print (sess.run(c))
    print(c.eval())

總結：tf.InteractiveSession()預設自己就是使用者要操作的session，而tf.Session()沒有這個預設，因此用eval()啟動計算時需要指明session。