当前， tensorflow（1.0）还不是很人性化。

在session中传入序列参数到图模型中并不是很方便。

所以，现在只能将序列中每一个元素对应的tensor和实际值对应写入dict进行传送。

比如， 

定义图时，把将填入的tensor，先用placeholder占位：


  with graph.as_default():
     nn_weights  = [tf.placeholder(tf.float32,
                       shape =(layer_params[ii], layer_params[ii + 1])) 
                       for ii  in  range( len(layer_params) - 1)]


之后，在session中，目前来看必须一一对应地传值。


with tf.Session( graph =graph)  as session:
    tf.global_variables_initializer().run()
    feed_dict = {ii:dd  for ii, dd  in  zip(nn_weights, real_nn_weights)}
    result = session.run(some_value, feed_dict=feed_dict)


不过，目前有了tensorboard，想必tensorflow团体正在使tensorflow更加人性化。