tensorflow训练过程中内存溢出

罪魁祸首是 训练过程中给模型传值时的如下语句：

而其中函数seq2embeded（）中用到了tensorflow的运算：

这两句会增加graph节点，使得图在训练过程中不断增大，就会不断消耗内存。

 

教训：

训练过程中，能用numpy处理的运算尽量不用tensorflow中的运算。

如果必须用tensorflow运算，事先在graph中用placehoder( )定以好运算的tensor，训练过程中用sess.run(..., feed_dict=)传值。