Deep learning 反向传播是否使用优化功能来更新权重？

我知道反向传播计算成本函数相对于模型参数（权重和偏差）的导数。然而，我需要确保反向传播不会更新权重和偏差；相反，它使用优化器来更新权重和偏差，如Adam、梯度下降等

---

如果我能很好地理解您的问题，请提前感谢：当您在深度学习框架（PyTorch/TensorFlow）中使用优化器时，请说“Adam”，优化器正在执行权重更新。此过程是自动进行的，您无需手动编写任何代码，框架会为您更新权重+偏差。

是否每个反向传播步骤都使用优化器算法更新权重？反向传播本身没有能力更新权重吗？当你谈论“普通反向传播”时，你实际上是在谈论梯度下降+反向传播+SGD（随机梯度下降优化器）。因此，实际上，是的，但请记住，不仅是反向传播，而且是反向传播+优化器，后者决定权重更新的方式优化器可以是Adam、SGD、ADADDelta、RMSProp。。。等等