tensorflow的computer_gradients()和tf.gradients()函数

函数原型：
computer_gradients(loss,val_list)

• loss:损失函数，也即需要被优化的tensor
• val_list：需要求梯度的变量列表

简单示例：

w = tf.Variable(initial_value=10., dtype='float32')
y = w*w + 2

opt = tf.train.GradientDescentOptimizer(0.1)
grad = opt.compute_gradients(y, [w])
grad1 = tf.gradients(y, [w])
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(grad))
    print(sess.run(grad1))

结果：

[(20.0, 10.0)]
[20.0]

分析：
y=w^2 + 2 ,则y’=2w,w的初始值为10，因此y’(10)=20
所以computer_gradients（）函数返回的元组的第一个值表示y对w求导数的结果，第二个值表示w的值
而tf.gradients()则只会返回计算得到的梯度，而不会返回对应的variable。