如何在Tensorflow中对可训练变量执行附加操作

Question

我的训练循环如下，

::伪代码

define the graph 
define session
get_model()
get_optimizers()
for i in range(epoch):
    for j in range(num_of_batches):
        x,y = get_value()
        sess.run()  # runs a MLP based on some parameter
        sess.run()  # runs similar MLP based on some different parameter
        ---normalize some weight of MLP---

现在我被困在＆＃34的部分;规范了MLP的一些重量＆＃34;

我应该如何在模型类中定义规范化代码片段？我尝试了以下方式，

W_trans = tf.Variable(
            identity,
            name="trans",
            dtype=tf.float32)
self.theta_M.append(W_trans)
W_trans = tf.norm(W_trans)

我还试图通过tf.assign()合并它，但如果我想根据参数W_trans优化我的模型，则无法使用它。