似乎tf.gradients还允许计算雅可比量，即一个张量的每个条目的偏导数。 另一个张量的每个条目，而tf.train.Optimizer.compute_gradient只计算实际梯度，例如标量值的偏导数 wrt. 特定张量或 wrt 的每个条目。 一个特定的标量。如果tf.gradients也实现了该功能，为什么会有单独的功能？
tf.gradients不允许你计算雅可比矩阵，它聚合每个输出的每个输入的梯度(类似于实际雅可比矩阵的每一列的总和(。事实上，在 TensorFlow 中没有计算雅可比矩阵的"好"方法(基本上你必须为每个输出调用tf.gradients一次，请参阅此问题(。
关于tf.train.Optimizer.compute_gradients，是的，它的结果基本相同，但会自动处理一些细节，并且输出格式稍微方便一些。如果您查看实现，您会发现其核心是对tf.gradients的调用(在本例中别名为gradients.gradients(，但对于优化器实现来说，已经实现周围的逻辑很有用。此外，将其作为一种方法允许子类中的可扩展行为，要么实现某种优化策略(实际上不太可能在compute_gradients步骤(，要么用于辅助目的，如跟踪或调试。