深度學習中，有時需要固定網絡中部分層數的參數而只訓練剩余的一部分，通過合理的使用tf.get_collection()函數，可以很容易的實現。例如：
1 loss_vars = tf.get_collection(tf.GraphKyes.TRAINABLE_VARIABLES, scope='conv1') 2 ''' 3 #如果有多個要訓練的參數的話可以用‘|’連接 4 loss_vars = tf.get_collection(tf.GraphKyes.TRAINABLE_VARIABLES, scope='conv1|conv2|conv3') 5 ''' 6 opt= tf.train.AdamOptimizer(learning_rate=0.01, beta1=0.5, beta2=0.9).minimize(loss, var_list=loss_vars)
即，把需要更新梯度的層放在get_collection這個函數里面，不需要更新的不放進去。