请问 tensorflow 在训练网络过程中，如何在使用验证集进行验证时，不 让权值发生变化？

我按照书本上MNIST识别的过程把代码撸了一遍，按照他给的代码，每进行一千次迭代，使用验证集进行一次验证。但是我感觉这样的话那一次的验证应该也会改变网络的权。我查网上的资料验证集应该不参与训练才对，请问如何在训练过程中，验证时不改变网络的权值？。万分感谢！！！

with tf.Session() as sess:
    tf.global_variables_initializer().run()
    validate_feed = {x: mnist.validation.images, y_: mnist.validation.labels}
    test_feed = {x: mnist.test.images, y_: mnist.test.labels}
    for i in range(max_steps): #总迭代次数
        if i % 1000 == 0:      #每1000次迭代使用验证集进行验证
            validate_accuracy = sess.run(accuracy, feed_dict=validate_feed)
            print(validate_accuracy)
        xs, ys = mnist.train.next_batch(batch_size=100)
        sess.run(train_op, feed_dict={x: xs, y_: ys})

    test_accuracy = sess.run(accuracy, feed_dict=test_feed)
    print(test_accuracy)

代码如上，是不是每进行一次验证的时候，他的权值都会发生改变？怎么让它不发生变化呢

我觉得可以设置一个is_training参数，走到self.logits那里就直接return，要再走train跟新了。具体可以参考文本分类github项目
https://github.com/brightmart/text_classification

不会吧，只有sess.run(trainop）才会变化吧

训练10000次之后才代入的一次验证集验证...，不是1000