Tensorflow，如何保留中间节点值并重用它们

假设我有以下图表。
-

X3

和

Z

是我关心的值。
-

X

和

Y

是输入。在每一个不同的地方。在迭代中，

X

和

Y

的未来值和形状是不同的，所以我认为它们应该是

占位符

-情况是，我需要在不同的时间点运行此图两次，以异步获得
X3
和
Z

+---+     op: +1           op: *3
| X +------------> X_1 +-----------> X3            +---+
+---+               +                +             | Y |
                    |                |             +-+-+ 
                    |             op:add             |
                    |                |               |
                    |                |               |
                    |   op: add      v     op:add    |
                    +------------->     <------------+
                                     Z

+--+op:+1 op:*3
|X+----------->X_1+----------->X3+---+
+---+++|Y|
|                |             +-+-+ 
|op：添加|
|                |               |
|                |               |
|op:add v op:add|
+------------->X_1-->X3
两次，这会影响效率

我的想法是，
X_1
和
X3
将在早期运行后包含值（
X_1=8
，
X3=24
），直到图形被销毁，然后我可以直接利用，而不是重新计算

有没有办法实现这个目标？
我建议的一个选择是：

    temp_X1, temp_X3 = sess.run([X_1, X3], feed_dict={X:7})
    sess.run(Z, feed_dict={X_1:temp_X1, X3:temp_X3, Y: 8}

您不需要将所有内容都存储在
tf
图形中。

有关其他选项（如使用
保存程序
等），请参阅。）

注意：文档建议输入到
占位符
，但输入到中间的
张量
最容易达到您的要求。
以下内容并不能完全解决您的问题，但再次输入
X
可以避免：

X_temp = tf.Variable(0, dtype=tf.int32)
X = tf.placeholder_with_default(X_temp, shape=())
Y = tf.placeholder(tf.int32, shape=())
X_temp = tf.assign(X_temp, X)

X_1 = X_temp + 1
X3 = X_1 * 3
Z = X_1 + X3 + Y

sess = tf.InteractiveSession()
print(sess.run(X3, {X:7}))
print(sess.run(Z, {Y:8}))

#24
#40

这个很好用。直接向中间节点X1和X3提供值将使占位符X成为可选的。但最好有一种方法将数据保存在GPU中，而不是传输到CPU。不管怎样，这个方法很好用，谢谢。