比如一个两层卷积的网络，我想在每次训练的时候输出第一层卷积的权重值矩阵的数值，来观察随着训练的进行权重值如何更新。请问代码如何实现？
想要输出网络中参数，就sess.run
在你的训练循环中把权重值张量用session.run( )提取出来，然后打印就好了。
使用session.run函数
session.run
然而在训练迭代过程使用sess.run（）的方法只会得到开始随机初始化的权重，训练更新的权重是看不到的，楼上那些说的全错，目前可以通过可视化权重的方式实现中间变量的观察tf.histogram_summary(layer_name + '/weights', Weights)