Python 2.7 当模型为计算张量流时，避免最小化

我有一个Tensorflow图（一个神经网络），在其中我定义了这个变量：

optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(Joint_Loss)

当我使用该方法输入图形时

o = sess.run([optimizer], feed_dict={x: batch_x,
                                     y: batch_y,}

我在图中运行了一个优化权重的步骤（更新了我的网络的权重）

现在，如果我在上一次调用后调用另一个运行，该运行具有相同的图形（具有optimizer变量），而不指定optimizer作为fetches arg，如下所示：

  loss = sess.run([loss], feed_dict={x: batch_x,
                                     y: batch_y,}   

---

是否完成最小化步骤（更新权重）？如果完成了，我如何使用tensorflow条件语句避免它？

否，网络不会更新。由于您的

丢失

不依赖于计算图中的

优化器

，tensorflow将省略此操作的执行。

否，网络不会更新。由于您的

损失

不依赖于计算图中的

优化器

，因此tensorflow将省略此操作的执行。

因此，只有当我将依赖优化器的变量指定为fetches arg正确吗？是时，权重才会更新。或者优化器操作本身。因此，只有当我将一个依赖于优化器的变量指定为fetches arg时，权重才会更新。正确吗？是。或者优化器操作本身。