Python 对不同的输入运行相同的计算两次，然后对两个结果执行进一步的计算

目前，我的方法是为计算1定义一个计算图（为两个不同的输入计算两次），为计算2定义第二个计算图，使用第一次计算的输入只运行一次（在本例中，我计算计算1的输出差，但我正在寻找一个更一般问题的解决方案）。然后我运行计算1两次，在一个Numpy数组中获得结果，然后将它们传递给图2进行第二次计算。然而，这有一个缺点，即我必须为每次计算运行单独的Tensorflow会话，并在GPU和RAM之间来回移动数据

将两个初始输入批处理到计算1也不是一个选项，因为它们的大小可能不同（但是，输出的大小总是相同的）

---

换句话说，我需要在两个Tensorflow会话之间进行某种持久化，而不需要在会话之间存储外部数据，或者，在同一会话中有两个相同图形的副本，但不能彼此并行，因为这样会占用太多内存。

尝试使用急切执行并构建您的图形（在tensorflow代码库中搜索defun的用法以查看示例）.Eagent execution允许您在设备上持久化张量，而无需获取它们，也无需担心会话。

谢谢，我不确定这是否能解决问题，但我稍后会尝试。如果在不久的将来看不到任何其他建议，我会将此标记为已解决。