Python 通过在tensorflow中运行会话来最小化开销

我想从TensorFlow中定义为DNN的分布中进行蒙特卡罗（MC）采样。采样代码需要一个自定义函数，这在TensorFlow代码中很难使用

由于MC需要大量的DNN调用，因此我必须运行（并关闭）大量会话才能从DNN中采样。分析表明，与

session.run（）

相关的开销是我代码中当前的瓶颈

TensorFlow似乎有一个会话，但它也需要运行一个会话

< > >在ToSoFraseC++版本中，有没有人知道“代码>会话、运行（））/代码>的开销是否减少了？在我花时间重新编写代码之前，最好知道这一点

使用外部（python或c++）函数（即不能在TensorFlow中定义）进行MC采样的有效TensorFlow方法是什么

---

我现在也有同样的问题。您自己找到解决方案了吗？似乎没有会话就无法调用Tflow。我找到了两种方法：（I）在进行采样之前从Tflow导出权重；这样做的缺点是，您需要在Tflow外部重建DNN，以便能够评估数据。（ii）定义自己的Tflow运算符，在其中定义采样函数。Tflow网站上有如何执行此操作的说明。也就是说，我最终使用了（I）。我现在也有同样的问题。您自己找到解决方案了吗？似乎没有会话就无法调用Tflow。我找到了两种方法：（I）在进行采样之前从Tflow导出权重；这样做的缺点是，您需要在Tflow外部重建DNN，以便能够评估数据。（ii）定义自己的Tflow运算符，在其中定义采样函数。Tflow网站上有如何执行此操作的说明。也就是说，我最终使用了（I）。