使用TensorFlow估计器API仅优化模型的某些变量

我需要冻结部分模型，只训练某些变量。现在，使用低级API，我可以将

var_list

传递给

tf.train.Optimizer.minimize

方法。但是，当我使用TensorFlow估计器时，我只能传递优化器本身，优化器用于最小化估计器内环中的损失

我想到的唯一解决方案是定义一个自定义优化器并覆盖

优化器.minimize

方法。大概是这样的：

def最小化（self，*args，**kwargs）：
打印（“内部…”）
如果不是kwargs['var_list']：
kwargs['var_list']=self.var_list
返回超级（MyOptimizer，self）。最小化（*args，**kwargs）

现在，我希望在每一个训练步骤的屏幕上都能看到“Inside…”字样；尤其是当我看到模特训练得很好的时候。这表明我的

minimize

函数被完全忽略了，我似乎不知道为什么

---

那么，覆盖

最小化
是否正确，或者有更好的方法使用估计器实现这一点吗？
您可以通过指定模型函数来创建自定义估计器

    def model_fn(features, labels, mode):
      logits = model_architecture(features)
      loss = loss_function(logits, labels)
      if mode == tf.estimator.ModeKeys.TRAIN:
        optimizer = optimizer
        train_op = ontimizer.minimize(loss=loss, 
                                      global_step=global_step,
                                      var_list=variables_to_minimize)

      return tf.estimator.EstimatorSpec(mode=mode, loss=loss, train_op=train_op)