Python 是否清除tensorflow.get_collection（）中的集合？

我正在斯坦福的课程中学习使用Tensorflow的神经网络。我在实施RNN时发现了这一点，不太明白为什么会累积损失：

#这会将丢失操作添加到图表中，以进行批量培训
def添加损耗op（自身、输出）：
all_one=[tf.one（[self.config.batch_size*self.config.num_steps]）]
交叉熵=序列损失(
[output]，[tf.Reforme（self.labels_占位符，[-1]）]，all_-one，len（self.vocab））
tf.将_添加到_集合中（“总损失”，交叉熵）
#这不是每批培训的规模都在增加吗？
损耗=tf.add\u n（tf.get\u集合（“总损耗”））
回波损耗

get\u collection（）

的文档没有提到任何关于清除变量的内容。由于这是为每个训练步骤运行的，因此损失是否会在每个历元/小批量训练中增加并结转

---

我还是NNs的新手，所以请纠正我在这方面的任何误解

我认为这里的添加实际上只是为了确保将“total_loss”集合中任何预先存在的损失添加到最终结果中。它不改变任何变量，只是将输入相加并返回总数。

如果我没有猜错的话，在将损失添加到收集op之前，还有其他op将可培训VAR的l2损失添加到收集op。如果有，则此加法表示将此“损失”集合中的所有损失（包括l2损失和预测损失）相加。您在“有许多迭代要运行add_to_loss操作，损失是增量吗？”中感到困惑，不，如果调试运行过程，您将看到在构建整个图形时，该集合的大小已经确定，在实际运行tensorflow时，该集合的大小或框架没有更改