我写的以下代码在self.optimizer.compute_gradients(self.output,all_variables)处失败

import tensorflow as tfimport tensorlayer as tlfrom tensorflow.python.framework import opsimport numpy as npclass 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)

伴随警告，

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

然而，当我将那行改为tf.gradients(self.output,all_variables)时，代码运行正常，至少没有报告警告。我错过了什么，因为我认为这两个方法实际上在执行同样的事情，即返回一个(梯度,变量)对的列表。

回答：

optimizer.compute_gradients包装了tf.gradients()，如这里所示。它还执行了额外的断言（这解释了您的错误）。