下面是一个示例来阐明我的意思：
First session.run（）：
TensorFlow会话的首次运行
稍后session.run（）：
稍后运行TensorFlow会话
我了解TensorFlow在这里进行一些初始化，但是我想知道这在源代码中体现了什么。这在CPU和GPU上都发生，但是在GPU上的影响更为明显。例如，在显式Conv2D操作的情况下，第一次运行在GPU流中具有大量Conv2D操作。实际上，如果我更改Conv2D的输入大小，则它可以从数十个流转换为Conv2D操作。但是，在以后的运行中，GPU流中始终只有五个Conv2D操作（与输入大小无关）。在CPU上运行时，与以后的运行相比，我们在第一次运行中保留了相同的操作列表，但是确实看到了相同的时间差异。
TensorFlow源的哪一部分负责此行为？GPU操作在哪里“分裂”？
谢谢您的帮助！
