TensorFlow：我只定义了4个变量，但trainable_variables（）显示的更多

Question

我正在尝试使用TensorFlow。我在我的代码中只定义了四个tf.Variable（）实例，然后我继续通过一些使用这四个变量的tf.placeholders（root.out）来定义输出（tfgraphinputs）。 然后我跑：

    sess = tf.InteractiveSession()
    sess.run(tf.initialize_all_variables())
    print len(tfgraphinputs)
    y = tf.placeholder(tf.float32, name='y')
    cost = tf.reduce_mean(tf.square(tf.cast(root.out, tf.float32) - y))
    optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.1)
    print 'no trainable:',len(tf.trainable_variables())
    train_op = optimizer.minimize(cost)

在打印len(tfgraphinputs)时，我得到正确的输入数量。但是，在打印no trainable时，即使只有4个变量，我也会获得312（！）。然后，由于minimize(cost)，最后一个命令（No gradients provided for any variable）失败，显示了一个非常长的ValueError变量列表。

这怎么可能？在我的代码中，我正在重用变量（也就是说，我将一些数据乘以我的变量不止一次），这个过程是否有可能重复它们？

编辑：我想我明白了，在计算种子时我不能使用tf.argmax。是这样吗？