python tensorflow：如何避免给每一个sess.运行()?

Question

假设我想用KMeans方法找到质心。在

对于第一次迭代，我想使用initFirstCentroids从数据集X中获取一些示例数据

在第二次迭代之前，用户可以看到第一次迭代的结果，并输入第二次迭代的初始质心。在

在静态图中，输入定义为tf.持牌人(tf.float32型，形状=（无，D））。由于点数未知，我无法将其作为tf.变量在

当我需要打电话给sess.运行（）为了计算，它总是要求我提供feed-dict，但实际上我的数据集没有改变。我可以只输入一次吗tf.变量)在

# k=3, centroids is a tf.Variable 
dataset=np.array([[1.,2.],[3.,4.],[5.,6.],[7.,8.],[2.5,5.2],[6.6,4.4]])
With tf.Session() as sess:
    # the feed_dict is the same for the entire session. can I just input once?
    sess.run(init)
    sess.run(initFirstCentroids, feed_dict={X:dataset})
    for i in range(10):
        centroids_value=sess.run(iter_centroids,feed_dict={X:dataset})
        print(centroids_value)
        userInput=input()  # say I can input [ [2.,5.],[3.,3.],[6.5,6.] ]
        userArray=np.array(userInput,np.float)
        assign_userInput=tf.assign(centroids,userArray)
        sess.run(assign_userInput,feed_dict={X:dataset})