在deep learning tutorials中，所有训练数据都存储在shared数组中，只有该数组的索引传递给训练函数以切出小批量。
我知道这允许将数据留在GPU内存中，而不是将小块数据作为参数传递给每个小批量的训练功能。
在一些previous questions中，这是为什么在教程中使用givens机制的答案。
我还没有看到这两个概念之间的联系，所以我可能错过了必不可少的东西。 据我所知，givens机制用给定的符号表达式交换图中的变量（即，插入一些给定的子图代替该变量）。 那么为什么不首先按照我们需要的方式定义计算图？
这是一个最小的例子。我定义了一个共享变量X和一个整数index，我要么创建一个已包含切片操作的图形，要么我创建一个切片操作通过{{1}后插入切片操作的图形}。
从表面上看，两个结果函数givens和get_nogivens是相同的（参见最后的调试图）。
但是为什么教程会使用get_tutorial模式？
givens答案 0 :(得分：0)
他们此处仅使用givens来分离从输入数据变量传递给图表的实际数据。您可以使用X[index * batch_size: (index + 1) * batch_size]显式替换输入变量，但这只是更麻烦一点。