我在范围内创建了一个可训练变量。后来我进入同一个作用域，把作用域设置为reuse_variables，用来get_variable检索同一个变量。但是，我无法将变量的可训练属性设置为False. 我的get_variable线路是这样的：
weight_var = tf.get_variable('weights', trainable = False)
但变量'weights'仍在 的输出中tf.trainable_variables。
我可以使用设置共享变量的trainable标志吗？Falseget_variable
我想这样做的原因是我试图在我的模型中重用从 VGG 网络预训练的低级过滤器，我想像以前一样构建图表，检索权重变量，并分配 VGG 过滤器值到权重变量，然后在接下来的训练步骤中保持它们不变。
查看文档和代码后，我无法找到从TRAINABLE_VARIABLES.
tf.get_variable('weights', trainable=True)调用时，变量被添加到列表中TRAINABLE_VARIABLES。tf.get_variable('weights', trainable=False)，您得到相同的变量，但参数trainable=False无效，因为该变量已经存在于列表中TRAINABLE_VARIABLES（并且无法从那里删除它）调用minimize优化器的方法时（请参阅doc.），您可以将var_list=[...]作为参数传递给您想要优化器的变量。
例如，如果你想冻结除最后两层之外的所有 VGG 层，你可以将最后两层的权重传递给var_list.
您可以使用 atf.train.Saver()来保存变量并在以后恢复它们（请参阅本教程）。
saver.save(sess, "/path/to/dir/model.ckpt")。saver.restore(sess, "/path/to/dir/model.ckpt")。或者，您可以决定只保存检查点文件中的一些变量。有关更多信息，请参阅文档。
当您只想训练或优化预训练网络的某些层时，这就是您需要知道的。
TensorFlow 的minimize方法采用一个可选参数var_list，即要通过反向传播调整的变量列表。
如果不指定var_list，则图中的任何 TF 变量都可以由优化器进行调整。当您在 中指定一些变量时var_list，TF 将所有其他变量保持不变。
这是jonbruner和他的合作者使用的脚本示例。
tvars = tf.trainable_variables()
g_vars = [var for var in tvars if 'g_' in var.name]
g_trainer = tf.train.AdamOptimizer(0.0001).minimize(g_loss, var_list=g_vars)
这会找到他们之前定义的所有变量名中包含“g_”的变量，将它们放入列表中，然后在它们上运行 ADAM 优化器。
您可以在Quora上找到相关答案
为了从可训练变量列表中删除一个变量，您可以首先通过以下方式访问该集合：
trainable_collection = tf.get_collection_ref(tf.GraphKeys.TRAINABLE_VARIABLES)
那里，trainable_collection包含对可训练变量集合的引用。如果你从这个列表中弹出元素，例如trainable_collection.pop(0)，你将从可训练变量中删除相应的变量，因此这个变量将不会被训练。
尽管这适用于pop，但我仍在努力寻找一种正确使用remove正确参数的方法，因此我们不依赖于变量的索引。
编辑：假设您有图中变量的名称（您可以通过检查图 protobuf 或使用 Tensorboard 更容易获得），您可以使用它来遍历可训练变量列表，然后删除来自可训练集合的变量。示例：假设我想要带有名称的变量"batch_normalization/gamma:0"并且"batch_normalization/beta:0" 不被训练，但它们已经添加到TRAINABLE_VARIABLES集合中。我能做的是：`
#gets a reference to the list containing the trainable variables
trainable_collection = tf.get_collection_ref(tf.GraphKeys.TRAINABLE_VARIABLES)
variables_to_remove = list()
for vari in trainable_collection:
#uses the attribute 'name' of the variable
if vari.name=="batch_normalization/gamma:0" or vari.name=="batch_normalization/beta:0":
variables_to_remove.append(vari)
for rem in variables_to_remove:
trainable_collection.remove(rem)
` 这将成功地从集合中移除这两个变量，它们将不再被训练。
您可以使用 tf.get_collection_ref 来获取集合的引用，而不是 tf.get_collection