在运行时更改TensorFlow操作设备的位置？

据我所见，TensorFlow的设计目的是在单个

tf.Session.run（）

中完全静态地放置设备。是否有一个已知的理想位置来插入代码，以便随时更改操作设备的位置

我知道Python级的静态方法，但我正在寻找C++级的一些东西，这样我就可以做一些类似于负载平衡的事情。

---

举个例子，假设我希望TensorFlow以交替的方式（我知道这并不理想）调度CPU和GPU的操作。如何在运行时执行此操作，以便在解决操作依赖关系和安排更多操作时，将操作环境更新为不同的设备？在操作启动之前（executor.cc的第1651行），最好使用为给定操作的环境更改执行设备？还是我误解了一个操作是如何通过XLA来执行的，什么时候我可以改变设备放置的时间？

我也在寻找。在构建图形时，决定设备的位置似乎不合适。特别是因为可以使用

freeze_图
函数/脚本清除设备放置元数据。这意味着您以后加载保存的图形模型时，可以决定如何在部署的设备上放置图形的节点和边。