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，但是它作为输出提供的内容无需计算。我已经尝试过了：

tf.train.Saver.restore - 这只会在变量保存后将反向传播带回生活（与我想要的完全相反！）
tf.variable_scope.reuse_variables - 无法正常工作
tf.stop_gradient - 令人惊讶地让一组值在循环in range (0,10)中出现两次，其中打印变量。但是，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，才会执行更新操作（例如，对optimize的调用）。如果您想要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），并且只评估变量：

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

如何阻止变量更新？

1 个答案: