当损失是向量时，tf.trian.optimizer 的行为是什么答案

【问题标题】：what's the behavior of tf.trian.optimizer when loss is a vector当损失是向量时，tf.trian.optimizer 的行为是什么
【发布时间】：2017-11-29 06:23:52
【问题描述】：

假设 log_prob 是一个向量而不是一个标量。下面的代码会做什么？谢谢！

```

optimizer = tf.train.AdamOptimizer(0.001)
minimize = optimizer.minimize(log_prob)
session.run(minimize, feed_dict={action : act, feat : s_batch})

```

【问题讨论】：

它只是将 log_prob 相加得到一个标量，而不是计算雅可比行列式。请参阅此处的讨论：github.com/tensorflow/tensorflow/issues/675
@AllenLavoie - 你能把你的评论变成答案吗，因为你已经确定了？谢谢！

标签： optimization tensorflow

【解决方案1】：

tf.gradients，因此 Optimizer minimize 调用，求和损失张量以获得标量而不是计算雅可比行列式。有关背景，请参阅 TensorFlow 中 Jacobians 的讨论：https://github.com/tensorflow/tensorflow/issues/675

【讨论】：