python - 如何阻止变量被更新？

Question

在 Tensorflow 中训练神经网络后，如何阻止它更新权重和偏差以测试其当前值？据我所知，您可以使用 inspect_checkpoint.print_tensors_in_checkpoint_file 检查它们，但它为您提供的输出是无需计算的。我已经尝试过了:

• tf.train.Saver.restore - 这只会在保存变量后使反向传播恢复正常(与我想要实现的完全相反!)
• tf.variable_scope.reuse_variables - 不起作用
• tf.stop_gradient - 令人惊讶的是，一组值在打印变量的范围内 (0,10) 的循环中出现两次。然而，在所有其他迭代中，变量采用其他值。

Answer 1

仅当您运行相应的操作时，才会完成更新操作(例如，调用optimize)。如果您想访问变量的值而不更新它，请不要运行更新操作(例如 train_op 或 tf.assign)，并且仅评估变量:

import tensorflow as tf
weight = tf.Variable(0.0)
op = tf.assign_add(weight, 1) # update weight by adding 1 to it
with tf.Session() as sess:   
     sess.run(tf.global_variables_initializer())
     print(sess.run(weight)) # Get the value of the weight
     print(sess.run(op))     # Update the weight
     print(sess.run(weight)) # Get the value of the weight but don't update it
     print(sess.run(weight)) # Get the value of the weight

将打印:

0.0
1.0
1.0
1.0