我正在研究TensorFlow程序的序列，该程序使用RNN预测大小为(BATCH_SIZE x L x 11)的张量。我有一个损失函数，该函数采用(BATCH_SIZE x L x 11)张量并将其转换为表示3D坐标的张量，其大小为(BATCH_SIZE x L' x 3)，其中L'是L的函数。
不幸的是，当我实现此损失函数以对后一个张量（L'）进行操作时，我的训练时间从9小时/纪元猛增到300小时/纪元。我相信问题出在每一批的每个计算图的创建上-这使一切变得非常缓慢。
是否可以通过某种方式预先计算部分计算图以节省时间？建筑和差异化似乎都将永远消失。 （请注意，图的这一部分仅存在于损失函数中，无需进行训练，因为我具有从L空间到L'空间的数学映射。）
非常感谢。对于如何在TF中加载预构建的子图或是否有更好的选择（例如，移至支持动态批处理形状的PyTorch这样的后端），我将不胜感激。