Python tf.cond（）卡在GPU上

在训练中，我试图在经历了一些阶段后冻结一些层。为此，我使用tf.cond如下：

self._train_op = tf.cond(condition > 0,
                     lambda: optimizer.minimize(
                         self._loss, name="optimizer",
                         global_step=global_step),
                     lambda: optimizer.minimize(
                         self._loss, name="optimizer_2",
                         global_step=global_step,
                         var_list = [v for v in
                                     tf.trainable_variables()
                                     if 'domain' not in v.name])) #Freeze layers with domain in them 

我在sess.run（）期间更改了condition的值，这段代码在CPU上运行良好，但当我尝试在GPU上运行它时，它将永远挂起。如果我删除tf.cond（）并执行以下操作

---

一切正常。有人知道原因吗？当训练过程中满足某些条件时，我如何冻结某些图层？

这里有什么进展吗？我尝试使用cond（）来做类似的事情，即定义优化器。不过，大多数答案似乎会让你转向使用不同的功能。我被困在条件张量的正确形状上。它想要0，我通过等级2。

 self._train_op = optimizer.minimize(
 self._loss, name="optimizer",
 global_step=global_step)