在Tensorflow中训练完神经网络后，如何阻止其更新权重和偏置以测试它们当前的值？据我所知，可以使用inspect_checkpoint.print_tensors_in_checkpoint_file来检查它们，但输出结果无法用于计算。我已经尝试过以下方法：

• tf.train.Saver.restore – 这只会在变量被保存后重新激活反向传播（这与我想要达到的效果完全相反！）
• tf.variable_scope.reuse_variables – 同样不起作用
• tf.stop_gradient – 令人惊讶的是，它让一组值在in range (0,10)的循环中出现了两次，而变量被打印出来。然而，在所有其他迭代中，变量会采用其他值。

回答：

更新操作（例如调用optimize）只有在你运行相应操作时才会执行。如果你想访问变量的值而不更新它，不要运行更新操作（例如train_op或tf.assign），只需评估变量即可：

import tensorflow as tfweight = tf.Variable(0.0)op = tf.assign_add(weight, 1) # 通过将1加到weight上更新weightwith tf.Session() as sess:        sess.run(tf.global_variables_initializer())     print(sess.run(weight)) # 获取weight的值     print(sess.run(op))     # 更新weight     print(sess.run(weight)) # 获取weight的值但不更新它     print(sess.run(weight)) # 获取weight的值

将会打印：

0.01.01.01.0