我正在尝试在tensorflow中实现一个用于比例图分类的dnn。特别是，神经网络必须执行二进制分类。我有大约30名受试者，每个受试者有40个比例图，我想用一个略去的策略来评估我的模型。我已经开发了以下代码：

base_model = base_model_creation(...) # the call to the compile function is within base_model_creation

subjects = [subject for subject in range(1,subjects_number + 1) if subject not in subjects_to_drop]
for test_subject in subjects:
    [...]
    # train_ds and val_ds are created
    tf.keras.backend.clear_session()

    if class_weights: 
        history = base_model.fit(train_ds,
                            epochs=epochs,
                            class_weight=class_weight,
                            validation_data = val_ds)
    else:
        history = base_model.fit(train_ds,
                    epochs=epochs,
                    validation_data=val_ds)

    [...]

由于众所周知的问题，在每个测试对象迭代中，第一个历元非常慢（400秒）w.r.t.以下历元（1秒）。有一种方法可以避免为每个主题构建计算图中处理训练的部分，从而只有第一个主题的第一个纪元较慢？