Tensorflow 缓存中间张量并定期更新

我有一个大张量，计算起来很昂贵，但实际上我只需要每隔10次迭代（在梯度下降期间）重新计算它。最好的方法是什么

更具体地说：

假设我有一个

中间张量

，它用于每次运行a

tf.Session时计算
最终张量
<在我的例子中，code>final_tensor

是一组用于优化的修改梯度。可以定义同时包含

中间张量和
最终张量的图。但是，当中间张量变化缓慢时，运行此图将效率低下。在伪代码中，我想这样做：

intermediate_tensor = tf.some_operation(earlier_variable)
final_tensor = tf.matmul(intermediate_tensor, other_earlier_variable)

with tf.Session() as sess:
    # pretending `partial_run` works like I want it to:
    sess.partial_run(intermediate_tensor, feed_dict = {})
    for i in range(5):
       ft = sess.partial_run(final_tensor, feed_dict = {})
       print(ft)

实验性的
部分运行
功能几乎就是我想要的。但是，
partial\u run
只能在我每次计算
intermediate\u tensor
时使用
final\u tensor
。对于for循环，它不起作用

目前我的解决方法是使用
tf.placeholder
。我在对
sess.run
的一次调用中计算
intermediate\u tensor
，然后将结果作为占位符提供给新的
sess.run调用。然而，这是非常不灵活的。例如，它要求我在编译时硬编码变量形状。当我想使用的中间变量数量很大时，它也不是很好

有更好的办法吗？如果使用的曲率矩阵不需要每次迭代都进行计算，这将非常有用。
您可以使用常规运行和
feed\u dict
来输入值。使用持久性张量（ie）避免在TF运行时持久性张量中复制内容！正是我想要的。