Estaba probando algunas cosas para una red neuronal cuaterniónica cuando me di cuenta de que, incluso si cierro mi sesión actual en un bucle for, mi programa se ralentiza masivamente y se produce una pérdida de memoria causada por la construcción de operaciones. Este es mi código:

for step in xrange(0,200):#num_epochs * train_size // BATCH_SIZE):
338 
339         with tf.Session() as sess:
340 
341             offset = (BATCH_SIZE) % train_size
342             #print "Offset : %d" % offset
343 
344             batch_data = []
345             batch_labels = []
346             batch_data.append(qtrain[0][offset:(offset + BATCH_SIZE)])
347             batch_labels.append(qtrain_labels[0][offset:(offset + BATCH_SIZE)]
352             retour = sess.run(test, feed_dict={x: batch_data})
357 
358             test2 = feedForwardStep(retour, W_to_output,b_output)
367             #sess.close()

El problema parece provenir detest2 = feedForward(..). Necesito declarar estas operaciones después de ejecutarretour una vez, porqueretour no puede ser un marcador de posición (necesito iterar a través de él). Sin esta línea, el programa funciona muy bien, rápido y sin pérdida de memoria. No puedo entender por qué parece que TensorFlow está tratando de "guardar"test2 incluso si cierro la sesión ...