tensorflow中optimizer.compute_gradient（）和tf.gradients（）之間的區別是什麼？

Question

下面的代碼我已經寫了，失敗在self.optimizer.compute_gradients(self.output,all_variables)

import tensorflow as tf 
import tensorlayer as tl 
from tensorflow.python.framework import ops 
import numpy as np 

class Network1(): 


def __init__(self): 
    ops.reset_default_graph() 
    tl.layers.clear_layers_name() 

    self.sess = tf.Session() 
    self.optimizer = tf.train.AdamOptimizer(learning_rate=0.1) 

    self.input_x = tf.placeholder(tf.float32, shape=[None, 784],name="input") 

    input_layer = tl.layers.InputLayer(self.input_x)   

    relu1 = tl.layers.DenseLayer(input_layer, n_units=800, act = tf.nn.relu, name="relu1") 
    relu2 = tl.layers.DenseLayer(relu1, n_units=500, act = tf.nn.relu, name="relu2") 

    self.output = relu2.all_layers[-1] 
    all_variables = relu2.all_layers 

    self.gradient = self.optimizer.compute_gradients(self.output,all_variables) 

    init_op = tf.initialize_all_variables() 
    self.sess.run(init_op) 

與警告，

TypeError: Argument is not a tf.Variable: Tensor("relu1/Relu:0", shape=(?, 800), dtype=float32)

然而，當我把上面一行tf.gradients(self.output,all_variables)，代碼工作正常，至少沒有報告警告。我在哪裏錯過了，因爲我認爲這兩個方法實際上是在執行相同的事情，即返回（漸變，變量）對的列表。

Answer 1

optimizer.compute_gradients包裝tf.gradients()，你可以看到here。它做了額外的斷言（這解釋了你的錯誤）。