似乎tf.gradients允許也計算雅可比行列式，即一張張量的每個條目的偏導數。另一個張量的每個條目，而tf.train.Optimizer.compute_gradient只計算實際的梯度，例如，標量值wrt的偏導數。每個條目的特定張量或wrt。一個特定的標量。爲什麼有一個單獨的功能，如果tf.gradients也實現該功能？tf.gradients和tf.train.Optimizer.compute_gradient有什麼區別？
tf.gradients不允許您計算雅可比矩陣，它會彙總每個輸出的梯度（類似於實際雅可比矩陣的每列的總和）。事實上，在TensorFlow中沒有「好」的計算Jacobians的方法（基本上你必須每個輸出調用tf.gradients一次，see this issue）。
關於tf.train.Optimizer.compute_gradients，是的，其結果基本相同，但是自動處理一些細節並以稍微方便的輸出格式。如果你看看the implementation，你會發現它的核心是對tf.gradients（在這種情況下是別名gradients.gradients）的調用，但是對於優化器實現來說已經實現了周圍的邏輯非常有用。另外，將它作爲一種方法允許子類中的可擴展行爲，以實現某種優化策略（不太可能在步驟compute_gradients步驟中）或輔助目的（如跟蹤或調試）。