Python Tensorflow-单个占位符或它们的列表

我在使用Tensorflow的代码中工作，我遇到了这个问题。我必须建模的神经网络有很多输入（比如说像512x512的图像），这些输入连接到网络中的其他神经元（在前馈结构中），我必须测试许多这些网络，在每种情况下，去输入神经元和其他神经元之间的连接是不同的

到目前为止，我已经为每个输入创建了一个占位符（一维），将它们存储在python列表中，并将神经元之间的关系保存在图形结构中，但我担心性能，考虑到在每次训练尝试中，我必须创建100个或更多的网络。所以我最终得到了512x512x100占位符对象。我想知道我是否会有内存问题，在这种情况下，在Amazon Web Services或Google Cloud中运行代码可能会有所帮助

所以我想知道是否有更好的方法。也许可以为每个网络创建一个占位符对象，并以“类似数组”的方式访问组件。但到目前为止，我还没弄明白

欢迎就如何处理此问题提供任何建议：）

---

谢谢

你想同时训练这100个网络吗？或者你所说的“训练尝试”到底是什么意思？Tf是为处理大张量而优化的，因此更喜欢使用少量的大占位符，而不是许多小占位符@考夫曼我的方法是进化神经网络。因此，我需要在内存中保存许多网络，并每代对它们进行测试。如果希望有一个大张量，我怎么做？如果如我所说，神经元之间的连接随着时间的推移而改变，那么有一个大的输入占位符，perfom over it slice操作可能是一个解决方案？你想并行训练所有这100个网络吗？或者你所说的“训练尝试”到底是什么意思？Tf是为处理大张量而优化的，因此更喜欢使用少量的大占位符，而不是许多小占位符@考夫曼我的方法是进化神经网络。因此，我需要在内存中保存许多网络，并每代对它们进行测试。如果希望有一个大张量，我怎么做？如果如我所说，神经元之间的连接随着时间的推移而改变，有一个大的输入占位符，那么perfom over it slice操作可能是一个解决方案？