TensorFlow：每个session.run（）调用执行多少个渐变步骤？

爬坡下降算法朝着最小值前进了几步。我的问题是，每次调用sess.run都会执行多少个步骤。举例说明：

我正在网络中使用梯度下降算法tf.train.AdamOptimizer。我有这样一个循环：

for epoch in range(100):
    sess.run(ops['optimizer'],
        feed_dict=train_feed_dict
    )    

这个epoch循环运行100次。我的问题是，一次对sess.run的调用是否会朝着最小值迈出一小步。或者，是否每个时代都有一个以上的坡度下降步骤？

如果ops['optimizer']是对tf.train.AdamOptimizersome\u learning\u rate.minimesome\u loss的单个调用，那么运行它将只执行一个下降步骤。所以在你的循环中会有100步。

我相信这个答案可能就是答案，这是一个单一的呼叫导致梯度下降的一步。任何更正或见解都是值得赞赏的，但除非我听到其他消息，否则我会假设这个回答是正确的。