tensorflow - 避免 TF 模型子部分中的重复计算
问题描述
给定一批输入
A B
________
1 (a1, b1)
2 (a1, b2)
3 (a2, b1)
4 (a2, b2)
以及一个(A, B) -> C
由三部分组成的模型:
A -> Ma
B -> Mb
(Ma, Mb) -> C
如何防止任何重复计算(包括反向传播,理想情况下)?模型的第一部分对批次的第 1 行和第 2 行执行相同的工作(a1
在两种情况下都是第一部分的输入),而模型的第二部分对第 1 行和第 3 行执行相同的工作。
有没有一种通用的方法可以做到这一点,即使 TF 模型是一个黑盒,并且不知道输入是如何在内部拆分的?
解决方案
推荐阅读
- c++ - 错误:对成员“show”的请求在 Qt 中不明确
- java - Couchbase SDK 3.0 从 java 启用/禁用刷新选项
- c - 在c中用两行声明并初始化一个指向函数的指针数组
- arrays - 按字母顺序排列数组
- typescript - 输入“承诺”
' 不能分配给 Cypress 中的类型 'CanReturnChainable' - macos - 如何在 NSScrollView 中显示非常大的基于 Metal 的纹理?
- python - Twint 搜索不适用于日期参数(python)
- sql-server - 在始终加密的 mssql 数据库中插入数据时,在 mulesoft 中获取加密架构不匹配
- forms - 没有获取使用 go 发送的表单数据
- graphql - 在 Apollo-client 中,writeQuery 会更新缓存,但 UI 组件不会重新渲染