我想加速一个平均多个 TensorFlow 检查点的工具，但为了简单起见，假设我只需要加载一个检查点，可能修改一些变量并将其保存回磁盘。
当前实现将所有变量加载到numpy数组（3秒），tf.get_variable()为每个变量准备tf变量（），占位符和assign_ops（20秒），执行初始化所有变量的会话（16秒），运行所有赋值（81秒），最后它将检查点存储到磁盘（24 秒）。总时间为144 秒。
我的替代实现使用tf.get_variable(name, shape=numpy_array.shape, initializer=tf.constant_initializer(numpy_array))and no placeholders 也没有 assign_ops，因此它将总时间减少到57 seconds。但是，该*.meta文件还存储了所有常量初始化程序（因此它与主检查点数据文件一样大，这不是我想要的），当我将其应用于更大的检查点时，由于2GB tf 限制而失败。
如果加载所有变量需要 3 秒，我相信存储它们的时间应该远少于 141 秒，甚至少于 54 秒。{var_name1: numpy_array1,...}有没有办法在不需要运行 tf 会话的情况下将dict写入 tf 检查点文件（从另一个检查点重用元图）？我试图按照相关问题中的链接进行操作，但没有成功。