Двойная оптимизация l oop в python / tenorflow

Question

Я не очень знаком с операциями, использующими Tensorflow, и надеялся, что кто-нибудь может помочь мне ускорить приведенный ниже код. В настоящее время. Я использую двойной l oop, и я могу хранить значения в numpy, чтобы назначить тензор после окончания цикла. Есть идеи, как улучшить производительность этого кода? Спасибо.

xx = np.zeros([7840,1])
for j in range(7840):
    temp = 0
    temp2 = 0
    for i in range(10):
        temp = temp + L[i].x[j]*L[i].W[j]
        temp2 = temp2 + L[i].lambd[j]*L[i].H[j]*(L[i].W[j]-y[j]) 
        xx[j] = 1/z[j]*(rho*temp+temp2).eval()
y.assign(xx).eval() 

, где z имеет numpy размер массива [7840,1], L - список объектов, а x, W, lambd, L и y - все тензоры размера [7840,1].