tensorflow에서 optimizer 'apply_gradients'와 'minimize' 차이

1.

optimizer = tf.train.AdamOptimizer(learning_rate)
grads_and_vars = tape.gradient(cnn.loss)
train_op = optimizer.apply_gradients(zip(grads_and_vars, model.trainable_variables))

2.

optimizer = tf.train.AdamOptimizer(learning_rate)
train_op = optimizer.minimize(cnn.loss, global_step=global_step)

둘이 같은 동작을 한다고 보면 된다.

 

minimize는 다음과 같다.

def minimize(self, loss, var_list, grad_loss=None, name=None, tape=None):
    grads_and_vars = self._compute_gradients(loss, var_list=var_list, grad_loss=grad_loss, tape=tape)
    return self.apply_gradients(grads_and_vars, name=name)

그러나 _compute_gradients는 private 이므로 건드리지 않는게 좋다.