Tensorflow1.12中的冻结层不会冻结可转换对象

Question

不幸的是，我坚持使用tensorflow 1.12，我需要进行迁移学习。该模型有多个层，我正在使用layer.trainable=False冻结它们。但是，这并未将图层中变量的可训练属性设置为False，这使它可以计算tf.GradientTape()中这些变量的梯度。我正在使用急切模式，因此我在第0个时期使用tfe.defun()来编译模型。

解决问题的是无法明确设置变量的可训练属性，即

for x in layer.variables:
    x.trainable=False

引发错误：AttributeError: can't set attribute

有人知道tensorflow==1.12有这个问题吗？如果是这样，我有办法解决这个问题吗？

编辑

我尝试了一种新方法，仅按照documentation中的建议将trainable_variables显示为tf.GradientTape()。我正在传递watch_accessed_variables=False，并明确传递通过

选择的trainable_variables的列表

trainable_variables = [y for x in model.layers for y in x.variables if x.trainable]

但是，正如文档中所述，我在None中得到了所有tape.gradients(loss, trainable_variables)。是否因为尚未构建trainable_variables？有没有办法检查变量的构建状态？我不确定是否是这种情况，因为我在实例化模型时明确建立了所有模块。