当我包含优化程序时，TF sess.run（）创建CustomOp的新对象

Question

按照此处的示例[https://www.tensorflow.org/extend/adding_an_op]，我创建了自己的运算符，我们将其命名为MyConv。

现在，如果我做这样的事情：

# placeholders for inputs and labels
input = tf.placeholder(...)
label = tf.placeholder(...)

# MyConv operator on inputs... returns 1D tensor
conv_out = my_module.my_conv(input, ...)
# final classifier 
output = tf.layers.dense(inputs=conv_out, units=10)

# eveything we need for backprop
probs = tf.losses.sparse_softmax_cross_entropy(logits=output, labels=label)
loss = tf.reduce_mean(probs)
adam_opt = tf.train.AdamOptimizer(learning_rate=0.01)
train_op = adam_opt.minimize(loss)

并通过简单的输入转发将模型运行N-1次，而使用反向传播器仅运行N次：

num_of_chunks = 100

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    for c in range(num_of_chunks):
        single_input = np.array(...)
        # for num_of_chunks-1 times, just push the single_input through the network
        if c != num_of_chunks - 1:
            result = sess.run([output], feed_dict={input:single_input})
        # only the last time, do the backprop and run the optimizer
        else:
            result, loss_out, train_out = sess.run([output, loss, train_op], feed_dict={input:single_input, label:np.array(...)})

发生了一件有趣的事情。 TF sess.run()方法将实例化MyConv类的一个对象并使用num_of_chunks-1次，但最后一次（当它执行此else路径时）将创建一个新对象。类MyConv的对象，并使用该新对象（已再次调用MyConv（）构造函数）。看起来，仅仅是因为在else路径中引入了反向传播，sess.run()创建了MyConv运算符的新对象，但这并不是我所期望的行为（我存储了一些信息作为私有类成员，我真的很想在运行会话时保留一个MyConv对象）。

所以，问题是：您是否知道sess.run（）方法为什么会因为我从“仅向前模式”切换到“正向和反向传播模式”而创建了运算符的新对象？

另外，一个音符。如果我删除此if-else语句并让每个块都执行backprop，那么一切都很好，仅实例化和使用MyConv的一个对象。