看来tf.gradients还允许计算雅可比矩阵，即一个张量 wrt 的每个条目的偏导数。另一个张量的每个条目，而 tf.train.Optimizer.compute_gradient只计算实际梯度，例如标量值wrt的偏导数。特定张量或wrt的每个条目。一个特定的标量。如果tf.gradients 为什么会有单独的函数也实现了那个功能？
最佳答案
tf.gradients 不允许您计算雅可比矩阵，它为每个输出聚合每个输入的梯度(类似于实际雅可比矩阵的每一列的总和)。事实上，在 TensorFlow 中没有计算雅可比行列式的“好”方法(基本上你必须每次输出调用 tf.gradients 一次， see this issue )。
关于 tf.train.Optimizer.compute_gradients ，是的，它的结果基本相同，但会自动处理一些细节，并且输出格式稍微方便一些。如果你看 the implementation ，您将看到，其核心是对 tf.gradients 的调用。 (在这种情况下别名为 gradients.gradients )，但是对于优化器实现来说，已经实现了周围的逻辑是很有用的。此外，将其作为方法允许子类中的可扩展行为，要么实现某种优化策略(实际上不太可能在 compute_gradients 步骤)或用于辅助目的，如跟踪或调试。
关于tensorflow - tf.gradients 和 tf.train.Optimizer.compute_gradient 有什么区别？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45347275/