在不同的输入上运行两次相同的计算，然后对两个结果执行进一步的计算

Question

目前，我的方法是为计算1定义一个计算图（对于两个不同的输入两次计算），为计算2定义第二个计算图，仅对第一个计算的输入运行一次（在这种情况下，我计算了计算1的输出之差，但我正在寻找更通用的问题的解决方案）。然后，我将计算1运行两次，将结果存储在Numpy数组中，然后将其传递给图2以进行第二次计算。但是，这样做的缺点是我必须为每个计算运行单独的Tensorflow会话，并在GPU和RAM之间来回移动数据。

将两个初始输入分配到计算1也不可行，因为它们的大小可能不同（但是输出的大小始终相同）。

换句话说，我需要两个Tensorflow会话之间的某种持久性，而无需在两个会话之间存储数据，或者在同一会话中具有同一图的两个副本，但不能与从那以后彼此会占用太多内存。

Answer 1

尝试使用急切执行和tf.contrib.eager.defun来构建图形（在tensorflow代码库中搜索defun的用法以查看其示例）。急切的执行使您可以在设备上持久存储张量，而无需获取它们，也无需担心会话。