我设计了一个图卷积网络（Graph ConvNet），这个模型需要输入一个图的结构，用图的邻接矩阵表示，然后由于paddle不支持稀疏矩阵，所以这个邻接矩阵很大（4个G）。
现在问题是这样的，这个邻接矩阵是固定的，不需要反向传播更新，所以我设想了两种方案：
1.用layers.data作为一个模型输入载入这个矩阵，问题是在mini batch训练的时候，是不是每个batch都要输入一下这个4G大小的矩阵，会不会很慢？paddle支不支持feed的时候只feed一部分，其余的保持不变？
2.将这个矩阵设为模型的一个trainable=False的参数，这样不用每次batch输入训练数据的时候都带上它，但是这样一来，保存模型参数的时候，又要把这4G的矩阵写在硬盘上？但这个矩阵是固定的，用numpy的稀疏矩阵保存了，我现在不需要paddle再保存它一遍。
所以，有什么可行的解决方案吗？