Python Tensorflow优化器-传递到最小化（）的多个损失值？

我第一次在MNIST数据集上使用Tensorflow时，遇到了一个非常简单的错误，在将错误值传递给优化器之前，我忘记了获取错误值的平均值

换句话说，不是

loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_))

我不小心用了

loss = tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_)

---

然而，在训练网络时，不取错误值的平均值或总和不会引发错误。这让我思考：是否真的有人需要将多个损失值传递给优化器？当我将一个大小不为[1]的张量传入minimize（）时发生了什么？

它们正在相加。这是使用反向模式AD进行区分的TensorFlow的副产品，它要求损耗为标量

，因此如果传递张量，基本上就是最小化张量中所有值的总和？；；；；；；；；；；；；；；；；；；；；对