解决Tensorflow训练模型越到后面计算效率越慢的问题

Session中执行(你的graph).finalize()，如果报错则证明Session在计算过程中不断的向graph中增加结点，导致内存越来越满（GPU memory leak），计算效率降低。
以下面案列为例：batch_ys获取训练样本，batch_ys为样本标签，有0，1，2，3共4个类，tf中需要转换成[[1,0,0,0][0,1,0,0]]格式的标签，用tf.sparse_to_dense()实现，这个操作随着迭代步数的增加会不断向graph中增加结点。

#-------------------------------
batch_xs, batch_ys = sess.run([example_batch, example_label_batch])
index = tf.expand_dims(tf