假设我们在图形构建时调用了一些方法foo，每次调用时返回一些tf.Tensors或它们的嵌套结构，以及使用{{1}的多个其他方法结果。为了提高效率并避免使用不必要的重复操作向TF图表发送垃圾邮件，可能很有可能在第一次调用时foo缓存其结果（以重用它生成的子图）。但是，如果在控制流的上下文中使用foo，则会失败，例如foo，tf.cond或tf.map_fn。
我的问题是：
何时以不会导致控制流问题的方式缓存tf.while_loop对象是否安全？也许有一些方法可以检索创建tf.Tensor的控制流（如果有的话），存储它并稍后比较它以查看是否可以重用缓存的结果？
上述问题的答案如何适用于tf.Tensor？
（问题文本已更新，以便更清楚tf.Operations每次都会创建一组新的张量）
答案 0 :(得分：0)
TL; DR ：TF已经缓存了所需的内容，请不要自己烦恼。
每次拨打sess.run([some_tensors]) TF的引擎时，都会找到计算[some_tensors]中所有张量所需的最小子图，从上到下依次运行（可能是新数据，如果你没有给它提供相同的数据）。
这意味着，在sess.run次调用之间缓存结果对于保存计算毫无用处，因为它们无论如何都会被重新计算。
如果，您反而需要使用与sess.run的一个电话中的输入相同的数据来使用多个张量，并且＃39不用担心，TF很聪明。如果您输入A和B = 2*A，C = A + 1，只要您进行一次 sess.run来电sess.run([B,C]) {{1}将仅评估一次（然后由TF引擎隐式缓存）。