tf.Variable() trainable的理解

看了网上的一些解释：
如果为True，则会默认将变量添加到图形集合GraphKeys.TRAINABLE_VARIABLES中。此集合用于优化器Optimizer类优化的的默认变量列表，如果为False则在训练时不会更新该值。

自己实验了一下：

import tensorflow as tf

x = tf.Variable(1.0, dtype=tf.float64, trainable=False, name='global_step')
y = tf.Variable(2.0, dtype=tf.float64)

z = tf.assign_add(x, y)
init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)

    print('x:', sess.run(x))
    print('z:', sess.run(z))
    print('x1:', sess.run(x))

结果：

x: 1.0
z: 3.0
x1: 3.0

说明：虽然x的trainable是False,但x1的值还是变了，说明用于优化器Optimizer类优化的的默认变量列表，如果为False则在训练时不会更新该值。注意是在优化器有用，正常的赋值操作还是会让那其改变