在哪里可以查看 TensorFlow 梯度下降主循环？
Where can I have a look at TensorFlow gradient descent main loop?
（对不起，如果这听起来有点幼稚）
我想看看 GradientDescent 的 TensorFlow 实现的实质 - 并亲眼看看它们如何处理终止条件、步长自适应性等。我追踪了 training_ops.apply_gradient_descent 的代码但是我找不到实现:(
TensorFlow Optimizer 接口（GradientDescentOptimizer 实现）定义了单个最小化步骤。终止条件或调整步长由用户实施。在MNIST for Beginners教程中，终止条件是"stop after 1000"步，你可以在for i in range(1000)循环
中看到
apply_gradient_descent(a,b,c) 是一个融合运算，它将 c 乘以 b 并将其添加到 a。从 Python 包装器到 Adding a new op HowTo, but as a shortcut you can usually find C++ implementation by converting from snake-case and searching for that, so ApplyGradientDescent in this case. That leads to implementation in tensorflow/core/kernels/training_ops.cc
中详述的 C++ 实现还有一些额外的间接级别
（对不起，如果这听起来有点幼稚）
我想看看 GradientDescent 的 TensorFlow 实现的实质 - 并亲眼看看它们如何处理终止条件、步长自适应性等。我追踪了 training_ops.apply_gradient_descent 的代码但是我找不到实现:(
TensorFlow Optimizer 接口（GradientDescentOptimizer 实现）定义了单个最小化步骤。终止条件或调整步长由用户实施。在MNIST for Beginners教程中，终止条件是"stop after 1000"步，你可以在for i in range(1000)循环
apply_gradient_descent(a,b,c) 是一个融合运算，它将 c 乘以 b 并将其添加到 a。从 Python 包装器到 Adding a new op HowTo, but as a shortcut you can usually find C++ implementation by converting from snake-case and searching for that, so ApplyGradientDescent in this case. That leads to implementation in tensorflow/core/kernels/training_ops.cc