我想加速一个平均多个TensorFlow检查点的工具，但为了简单起见，我想我只需要加载一个检查点，可能修改一些变量并将其保存到磁盘。
current implementation将所有变量加载到numpy数组（3秒），为每个变量（20s）准备tf变量（tf.get_variable()），占位符和assign_ops，执行初始化所有变量的会话（ 16s），运行所有分配（81s），最后它将检查点存储到磁盘（24s）。总时间 144秒。
我的替代实现使用tf.get_variable(name, shape=numpy_array.shape, initializer=tf.constant_initializer(numpy_array))而没有占位符或assign_ops，因此它将总时间减少到 57秒。但是，*.meta文件还存储所有常量初始值设定项（因此它与主检查点数据文件一样大，这不是我想要的），当我在更大的检查点上应用它时，由于{ {3}}
如果加载所有变量需要3秒钟，我相信存储它们应该花费少于141秒甚至少于54秒。有没有办法将dict {var_name1: numpy_array1,...}写入tf检查点文件（重用另一个检查点的元图）而无需运行tf会话？我试图跟踪2GB tf limit中的链接但没有成功。