在 GPU 上缓存 tensorflow 结果答案

【问题标题】：Caching tensorflow results on GPU在 GPU 上缓存 tensorflow 结果
【发布时间】：2017-09-21 17:45:42
【问题描述】：

使用 tensorflow 如何将 session.run(some_tensors,...) 的结果保存在 GPU 上，然后再次使用它来提供 feed_dicts？

Edit::: 这是我为什么需要这个的具体例子。所以我有数据（多维张量），上面有多个 RNN。但是数据太大了，我无法在 GPU 上处理一个样本。因此，我将样本分成几部分并通过 RNN 运行它们。但这意味着我需要在处理完第一部分后保存 RNN 的最终状态，然后将其传递给处理下一部分的 RNN。现在我使用session.run() 评估第 1 部分 RNN 的状态并将它们带到 CPU 中，然后再次将它们传递到 feed_dicts 以评估数据的下一部分等等。

【问题讨论】：

请在您的问题中添加一些代码以帮助我们帮助您。这是一个很好的示例问题，也使用 fill_feed_dict: stackoverflow.com/questions/40477927/…
存储在张量中的结果已经在 GPU 上（当然如果启用了 GPU 计算）。为什么要做session.run(some_tensors, ...)？该问题的更多上下文会有所帮助。

标签： python tensorflow

【解决方案1】：

答案是sess.partial_run_setup，然后是sess.partial_run。

从 r1.3 开始，这仍然是“实验性的，可能会发生变化”。

sess.partial_run_setup 为部分运行设置包含供稿和提取的图表。

sess.partial_run 继续执行更多的提要和提取。

【讨论】：