Tensorflow optimizer.apply_gradients（）的结果为无

我试图在梯度上应用一个额外的步骤，比如简单的乘法，关于可训练变量的子集。以下是我们所拥有的：

def do_something(tgvt):
new_tgvt = []
for gv in tgvt:
    if gv[0] == None:
        sh = tf.shape(gv[1])
        gv0 = tf.zeros(sh)
        gv0t = tf.convert_to_tensor(gv0)
        new_tgvt.append((gv0t, gv[1]))
    else:
        new_tgvt.append((gv[0]*5, gv[1]))

return new_tgvt

optimizer = tf.train.GradientDescentOptimizer(learning_rate = 1e-5)
params = tf.trainable_variables()
pars = [params[27], params[29]]
gradients = optimizer.compute_gradients(cost,pars)
tgv = [(g,v) for (g,v) in gradients]

new_gradients = do_something(tgv)
train_op = optimizer.apply_gradients(new_gradients)

session = tf.Session()
session.run(tf.global_variables_initializer())
total_iterations = 0  # record the total iterations
for i in range(total_iterations,total_iterations + num_iterations):
    x_batch, y_batch = data.train.next_batch(batch_size)
    feed_dict = {X: x_batch, y_true: y_batch, keep_prob: 0.5}
    result = session.run([train_op, pars], feed_dict=feed_dict)

当我打印

结果时

，渐变为

None

：

print(result[0])
print((result[1][0]).shape)      
print((result[1][1]).shape)

None
(5, 5, 1, 36)
(5, 5, 36, 64)

知道如何解决这个问题吗？

来自文档：

列车运行

应返回：

应用指定渐变的操作

在

train\u op

上调用

sess.run

预计将给出

None

，因为此操作不会产生值，而是应用

---

为什么不自己打印一个变量的旧值和更新值来检查它呢？？？

哦，那么我只是误解了应用梯度步骤及其作用。我在更改前后检查了变量的值，结果与我预期的一样。但是，我认为我应该看到新成分是apply_gradients（）的结果。感谢您的澄清。文档总是很有帮助的。