Tensorflow'；可培训=假'；被忽略

我想在tensorflow中将固定权重矩阵传递给2D卷积运算。我试着把

trainable=False

放在下面，但TF似乎忽略了这个选项

w=tf.Variable（w，trainable=False，dtype=tf.float32，name='upscaleW'）
data=tf.nn.conv2d_转置（data，w，outshapeF，strips，padding=“SAME”，data_format=data_format，name='upsamplingdecov2d'）

在训练过程中，它不断地失去精确度。1变成0.98，然后变成0.96等，0变成0.012等

如果我做了

tf.trainable_variables（）

则

上标

不存在。我只能在

tf.global_variables（）

中找到它们，因此它们甚至不在可训练变量列表中。我不知道如何冻结重量

可能是这条线路出了故障？

---

别客气。我的错。在我的代码中，我传递给

minimize（var\u list=tf.contrib.framework.get\u variables（））

而不是

get\u trainable\u variables

，后者显然会覆盖

trainable=False

参数。

设置

trainable=False

会将变量排除在

图形索引之外。图形中的trainable\u variables

集合中，因此它们在反向传播时不会被训练

它应该会起作用。没有最近的错误