我正在尝试修改tensorflow（https://www.tensorflow.org/tutorials/images/deep_cnn，代码在https://github.com/tensorflow/models/tree/master/tutorials/image/cifar10/中）附带的cifar10教程，以便在训练期间可以对weigth施加一些值。我正在ciphar10_train.py上工作，我的想法是在训练完成后立即更改一些重量。所以我做了以下事情： 这是原始代码
...
while not mon_sess.should_stop():
mon_sess.run(train_op)
我添加了以下内容：
while not mon_sess.should_stop():
mon_sess.run(train_op)
mon_sess.graph._unsafe_unfinalize()
with tf.variable_scope('conv1', reuse=True):
tf_weights1 = tf.get_variable('weights', dtype=tf.float32)
weights1 = tf_weights1.eval(mon_sess)
tf.assign(tf_weights1, weights1)
所以我基本上是在读取第一个卷积系数的值，然后将它们分配回来。我相信这根本不会干扰培训课程。但是确实如此。我得到以下内容： -在新版本中，收敛速度慢得多（似乎会堆叠） -在新版本的开头，执行时间更快 （我尝试过多次以检查收敛和执行时间是否不同，我知道仅490次训练是不够的）
这里是原始ciphar10_train.py文件的摘要：
2019-03-17 10：11：50.847561：步骤0，损失= 4.69（356.8例/秒; 0.359秒/批）2019-03-17 10：11：57.850836：步骤10，损失= 4.65（182.8例子/秒; 0.700秒/批）2019-03-17 10：12：06.159439：步骤 20，损失= 4.49（154.1例/秒; 0.831秒/批）2019-03-17 10：12：14.487989：步骤30，损失= 4.41（153.7例/秒； 0.833 秒/批次）2019-03-17 10：12：22.717968：步骤40，损失= 4.38（155.5 例子/秒； 0.823秒/批）2019-03-17 10：12：30.965563：步骤50， 损失= 4.32（155.2例/秒; 0.825秒/批）2019-03-17 10：12：39.161108：步骤60，损失= 4.30（156.2例/秒; 0.820 秒/批次）2019-03-17 10：12：47.376030：步骤70，损失= 4.16（155.8 例子/秒； 0.821秒/批）2019-03-17 10：12：55.556312：步骤80， 损失= 4.35（156.5例/秒; 0.818秒/批）2019-03-17 10：13：03.752653：步骤90，损失= 4.10（156.2例/秒; 0.820 秒/批次）2019-03-17 10：13：12.245005：步骤100，损失= 4.19（150.7 例子/秒； 0.849秒/批）2019-03-17 10：13：20.533454：步骤110， 损失= 4.10（154.4例/秒; 0.829秒/批）2019-03-17 10：13：29.092721：步骤120，损失= 4.44（149.5例/秒; 0.856 秒/批次）2019-03-17 10：13：37.259310：步骤130，损失= 3.99（156.7 例子/秒； 0.817秒/批）2019-03-17 10：13：45.657041：步骤140， 损失= 3.87（152.4例/秒; 0.840秒/批）2019-03-17 10：13：53.981991：步骤150，损失= 3.84（153.8例/秒; 0.832 秒/批次）2019-03-17 10：14：02.404750：步骤160，损失= 3.91（152.0 例子/秒； 0.842秒/批）2019-03-17 10：14：10.664070：步骤170， 损失= 4.00（155.0例/秒; 0.826秒/批）2019-03-17 10：14：19.045780：步骤180，损失= 4.05（152.7例/秒； 0.838 秒/批次）2019-03-17 10：14：27.319889：步骤190，损失= 3.98（154.7 例子/秒； 0.827秒/批）2019-03-17 10：14：35.604390：步骤200， 损失= 3.76（154.5例/秒; 0.828秒/批）2019-03-17 10：14：43.890144：步骤210，损失= 3.72（154.5例/秒； 0.829 秒/批次）2019-03-17 10：14：52.035008：步骤220，损失= 3.73（157.2 例子/秒； 0.814秒/批次）2019-03-17 10：15：00.468037：步骤230， 损失= 4.16（151.8例/秒; 0.843秒/批）2019-03-17 10：15：08.681053：步骤240，损失= 3.75（155.9例/秒; 0.821 秒/批次）2019-03-17 10：15：17.320731：步骤250，损失= 3.72（148.2 例子/秒； 0.864秒/批）2019-03-17 10：15：26.317990：步骤260， 损失= 3.66（142.3例/秒; 0.900秒/批）2019-03-17 10：15：36.257296：步骤270，损失= 3.60（128.8例/秒; 0.994 秒/批次）2019-03-17 10：15：44.794973：步骤280，损失= 3.52（149.9 例子/秒； 0.854秒/批）2019-03-17 10：15：53.988424：步骤290， 损失= 3.57（139.2例/秒; 0.919秒/批）2019-03-17 10：16：02.705855：步骤300，损失= 3.68（146.8例/秒； 0.872 秒/批次）2019-03-17 10：16：11.390999：步骤310，损失= 3.66（147.4 例子/秒； 0.869秒/批）2019-03-17 10：16：19.643515：步骤320， 损失= 3.45（155.1例/秒; 0.825秒/批）2019-03-17 10：16：27.725903：步骤330，损失= 3.54（158.4例/秒; 0.808 秒/批次）2019-03-17 10：16：36.197075：步骤340，损失= 3.54（151.1 例子/秒； 0.847秒/批）2019-03-17 10：16：44.721029：步骤350， 损失= 3.73（150.2例/秒; 0.852秒/批）2019-03-17 10：16：53.344985：步骤360，损失= 3.30（148.4例/秒; 0.862 秒/批次）2019-03-17 10：17：02.231438：步骤370，损失= 3.43（144.0 例子/秒； 0.889秒/批）2019-03-17 10：17：11.040202：步骤380， 损失= 3.53（145.3例/秒; 0.881秒/批）2019-03-17 10：17：19.605994：步骤390，损失= 3.38（149.4例/秒; 0.857 秒/批次）2019-03-17 10：17：28.110827：步骤400，损失= 3.44（150.5 例子/秒； 0.850秒/批）2019-03-17 10：17：36.374728：步骤410， 损失= 3.70（154.9例/秒; 0.826秒/批）2019-03-17 10：17：44.675773：步骤420，损失= 3.42（154.2例/秒; 0.830 秒/批次） 2019-03-17 10：17：52.549617：步骤430，损失= 3.59（162.6例/秒; 0.787秒/批） 2019-03-17 10：17：58.123745：步骤440，损失= 3.31（229.6例/秒; 0.557秒/批） 2019-03-17 10：18：02.488388：步骤450，损失= 3.22（293.3例/秒; 0.436秒/批） 2019-03-17 10：18：06.814853：步骤460，损失= 3.19（295.9例/秒; 0.433秒/批） 2019-03-17 10：18：11.123421：步骤470，损失= 3.22（297.1例/秒; 0.431秒/批） 2019-03-17 10：18：15.478619：步骤480，损失= 3.22（293.9例/秒; 0.436秒/批） 2019-03-17 10：18：19.830606：步骤490，损失= 3.07（294.1例/秒; 0.435秒/批）
这就是修改后的代码所得到的：
2019-03-17 10：11：56.762661：步骤0，损失= 4.68（209.1例/秒; 0.612秒/批）2019-03-17 10：12：02.198028：步骤10，损失= 4.64（235.5例子/秒; 0.544秒/批）2019-03-17 10：12：07.531561：步骤 20，损失= 4.58（240.0例/秒; 0.533秒/批）2019-03-17 10：12：12.900088：步骤30，损失= 4.50（238.4例/秒； 0.537 秒/批次）2019-03-17 10：12：18.296302：步骤40，损失= 4.40（237.2 例子/秒； 0.540秒/批）2019-03-17 10：12：23.487027：步骤50， 损失= 4.44（246.6例/秒; 0.519秒/批）2019-03-17 10：12：28.758049：步骤60，损失= 4.45（242.8例/秒； 0.527 秒/批次）2019-03-17 10：12：34.223030：步骤70，损失= 4.34（234.2 例子/秒； 0.546秒/批）2019-03-17 10：12：39.590956：步骤80， 损失= 4.47（238.5例/秒; 0.537秒/批）2019-03-17 10：12：44.824394：步骤90，损失= 4.24（244.6例/秒; 0.523 秒/批次）2019-03-17 10：12：50.356076：步骤100，损失= 4.22（231.4 例子/秒； 0.553秒/批）2019-03-17 10：12：55.754974：步骤110， 损失= 4.30（237.1例/秒; 0.540秒/批）2019-03-17 10：13：01.099181：步骤120，损失= 4.25（239.5例/秒; 0.534 秒/批次）2019-03-17 10：13：06.601004：步骤130，损失= 4.25（232.7 例子/秒； 0.550秒/批）2019-03-17 10：13：11.884372：步骤140， 损失= 4.17（242.3例/秒; 0.528秒/批）2019-03-17 10：13：17.199927：步骤150，损失= 4.16（240.8例/秒; 0.532 秒/批次）2019-03-17 10：13：22.593038：步骤160，损失= 4.18（237.3 例子/秒； 0.539秒/批）2019-03-17 10：13：27.796050：步骤170， 损失= 4.08（246.0例/秒; 0.520秒/批）2019-03-17 10：13：33.037915：步骤180，损失= 4.10（244.2例/秒; 0.524 秒/批次）2019-03-17 10：13：38.450012：步骤190，损失= 4.45（236.5 例子/秒； 0.541秒/批）2019-03-17 10：13：44.026984：步骤200， 损失= 4.07（229.5例/秒; 0.558秒/批）2019-03-17 10：13：49.277913：步骤210，损失= 4.08（243.8例/秒; 0.525 秒/批次）2019-03-17 10：13：54.588222：步骤220，损失= 3.96（241.0 例子/秒； 0.531秒/批）2019-03-17 10：13：59.798992：步骤230， 损失= 4.12（245.6例/秒; 0.521秒/批）2019-03-17 10：14：05.167819：步骤240，损失= 4.14（238.4例/秒; 0.537 秒/批次）2019-03-17 10：14：10.583429：步骤250，损失= 4.09（236.4 例子/秒； 0.542秒/批）2019-03-17 10：14：15.899910：步骤260， 损失= 3.96（240.8例/秒; 0.532秒/批）2019-03-17 10：14：21.338393：步骤270，损失= 4.07（235.4例/秒; 0.544 秒/批次）2019-03-17 10：14：26.855987：步骤280，损失= 3.91（232.0 例子/秒； 0.552秒/批）2019-03-17 10：14：32.414050：步骤290， 损失= 3.87（230.3例/秒; 0.556秒/批）2019-03-17 10：14：38.084092：步骤300，损失= 3.77（225.7例/秒; 0.567 秒/批次）2019-03-17 10：14：43.469506：步骤310，损失= 3.84（237.7 例子/秒； 0.539秒/批）2019-03-17 10：14：48.924003：步骤320， 损失= 3.92（234.7例/秒; 0.545秒/批）2019-03-17 10：14：54.304538：步骤330，损失= 3.84（237.9例/秒； 0.538 秒/批次）2019-03-17 10：14：59.737987：步骤340，损失= 3.83（235.6 例子/秒； 0.543秒/批）2019-03-17 10：15：05.136907：步骤350， 损失= 3.99（237.1例/秒; 0.540秒/批）2019-03-17 10：15：10.794928：步骤360，损失= 3.75（226.2例/秒； 0.566 秒/批次）2019-03-17 10：15：16.195641：步骤370，损失= 3.99（237.0 例子/秒； 0.540秒/批）2019-03-17 10：15：21.907280：步骤380， 损失= 3.81（224.1例/秒; 0.571秒/批）2019-03-17 10：15：28.259021：步骤390，损失= 3.76（201.5例/秒; 0.635 秒/批次）2019-03-17 10：15：35.153048：步骤400，损失= 3.91（185.7 例子/秒； 0.689秒/批）2019-03-17 10：15：40.966003：步骤410， 损失= 3.73（220.2例/秒; 0.581秒/批）2019-03-17 10：15：47.025151：步骤420，损失= 3.83（211.3例/秒； 0.606 秒/批次）2019-03-17 10：15：52.934916：步骤430，损失= 3.72（216.6 例子/秒； 0.591秒/批）2019-03-17 10：15：58.595045：步骤440， 损失= 3.68（226.1例/秒; 0.566秒/批）2019-03-17 10：16：04.355028：步骤450，损失= 3.86（222.2例/秒; 0.576 秒/批次）2019-03-17 10：16：10.518952：步骤460，损失= 3.62（207.7 例子/秒； 0.616秒/批）2019-03-17 10：16：16.194161：步骤470， 损失= 3.71（225.5例/秒; 0.568秒/批）2019-03-17 10：16：21.680450：步骤480，损失= 3.76（233.3例/秒; 0.549 秒/批次）2019-03-17 10：16：27.189253：步骤490，损失= 3.84（232.4 例子/秒； 0.551秒/批）
我是使用python和tensorflow的新手，所以我很抱歉我的要求很微不足道。
感谢您的帮助！