layer.trainable = False之后的图层权重仍在变化

Question

var_img = tf.Variable(dtype = tf.float32, initial_value = np.zeros(shape = (img_shape)))

model = VGG19(weights = 'imagenet', include_top = False, input_shape = img_shape[1:], input_tensor = var_img)

layer_dict = dict([(layer.name, layer) for layer in model.layers])

for layer in model.layers[1:]:
    layer.trainable_weights = False

在这里，我创建了一个可变图像，并尝试将其传递给预先训练的模型（VGG16），以保持下一层的所有其他权重和偏差不变。 但是当我跑步时

tf.trainable_variables()

它表明所有的重量和偏差仍然是可训练的。 我查看了其他可用的资源，但我仍然没有得到正确的理解。 任何一点帮助都将不胜感激。