Python tensorflow Session.run()能否将内存地址返回给变量而不是副本
我用TensorFlow来训练深层神经网络。Python通过Python tensorflow Session.run()能否将内存地址返回给变量而不是副本,python,variables,tensorflow,session,copy,Python,Variables,Tensorflow,Session,Copy,我用TensorFlow来训练深层神经网络。Python通过会话与TensorFlow交互,并输出结果 在我的例子中,我希望返回网络的权重,使用它们在外部(即tensorflow外部)处理我的数据,然后将权重传递回tensorflow以更新它们 可以使用会话从模型中提取权重: DNN # a class which contains my tensorflow DNN model W_fc = sess.run(DNN.W_fc) 把它们传回去可以简单地完成 sess.run(..., fee
会话
与TensorFlow交互,并输出结果
在我的例子中,我希望返回网络的权重,使用它们在外部(即tensorflow外部)处理我的数据,然后将权重传递回tensorflow以更新它们
可以使用会话从模型中提取权重:
DNN # a class which contains my tensorflow DNN model
W_fc = sess.run(DNN.W_fc)
把它们传回去可以简单地完成
sess.run(..., feed_dict = {DNN.W_fc: W_fc})
我猜想,sess.run()
会复制内部tensorflow权重变量,并将其返回给python
我的问题:
有没有办法让sess.run()
将内存地址返回到内部tensorflow变量?这可以节省我不少记忆