如何使用循环加快此Tensorflow操作？

Question

问题描述

在实践中，我们可以针对不同的参数而不是不同的数据评估具有不同feed_dict的张量。这通常是通过在Python中而不是在tensorflow中使用for循环来完成的。

n_draw = 5000

W_0_sample = tf.stack([qW_0.sample() for _ in xrange(n_draw)]).eval()

rs = np.random.RandomState(0)

inputs = np.linspace(-10, 10, num=400, dtype=np.float32)
inputs = inputs.reshape(-1,1)


y_pred_post_evaluation = [y_pred_post.eval(feed_dict={x:inputs, 
                   qW_0: W_0_sample[_]}) for _ in xrange(n_draw)]

问题

如何避免它并在Tensorflow中创建for循环？