Python 为什么移动平均值和移动方差不在tf.trainable变量（）中？

我正在使用

tf.layers.batch\u规范化（a\u pl，training=True）

。 通过

tf.trainable_variables（）

，我可以看到所有可训练变量。但是我在它们里面找不到

移动的意思

和

移动的方差

代码如下：

import tensorflow as tf
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
a_pl = tf.placeholder(tf.float32, [2, 3])
b = tf.layers.batch_normalization(a_pl, training=True)
vl = [var.name for var in tf.trainable_variables()]
for v in vl:
    print v

以下是输出：

batch_normalization/gamma:0
batch_normalization/beta:0

我想知道为什么

moving_意味着
和
moving_方差
不包括在
tf.trainable_variables（）中

谢谢
 可训练变量使用梯度下降法进行训练。批标准化移动平均值和方差不使用梯度下降法进行训练，而是直接从通过网络的激活计算得出，因此不应将其作为可训练变量

因此，在某种程度上，你可以说它们是自动训练的，但不是用梯度下降法，所以从这个意义上说，它们不是可训练变量。
可训练变量是用梯度下降法训练的。批标准化移动平均值和方差不使用梯度下降法进行训练，而是直接从通过网络的激活计算得出，因此不应将其作为可训练变量

所以在某种程度上，你可以说它们是自动训练的，但不是梯度下降，所以从这个意义上说，它们不是可训练的变量