Python 关于tensorflow梯度降阶器的几个问题

我尝试使用tensorflow测试我的代码，我将GradientDescentOptimizer学习率设置为1，并输出Wx1旧权重、新权重和梯度。但是新的重量旧的权重-1*梯度，我不知道为什么会导致这种情况

Wx1旧值[[-0.0016595601，.]]

年级[-0.02760417，…]

Wx1新值[[-0.0016706019，…]]

批次数据X维度为500*1000，Y维度为500*30。Wx1尺寸为1000*512，梯度尺寸也为1000*512

loss = net.loss(x, y, keep_prob)
optimizer = tf.train.GradientDescentOptimizer(1).minimize(loss)
init = tf.global_variables_initializer()

with tf.Session() as sess:
   sess.run(init)
   for X, Y, tot in data.next_batch('train'):
       feed_dict = {x: X,
                    y: Y}
       Wx1 = net.Wx1
       Wx1_val_old = sess.run(Wx1)
       grads = sess.run(tf.gradients(loss, [Wx1]), feed_dict=feed_dict)[0]
       sess.run(optimizer, feed_dict=feed_dict)
       Wx1_val_new = sess.run(Wx1)

---

我解决了这个问题，但仍然不知道为什么。我解决了这个问题，但仍然不知道为什么。