Tensorflow 张量流中梯度下降的目标函数

当使用神经网络构造分类器时，我使用了GD，但似乎我没有很好地理解它。关于梯度下降，目标函数的两个实现有什么不同，其中D是一个分类器，而X标记为1，Y标记为0

例1：

n_true = classifier(X) 
n_false = classifier(Y)
loss = 0.5 * (tf.reduce_mean((n_true - 1)**2) + tf.reduce_mean(n_false**2))
solver = (tf.train.AdamOptimizer(learning_rate=lr).minimize(loss))

例2：

results  = tf.concat([n_true, n_false], 0)
lables = np.transpose(np.hstack((np.ones(size),np.zeros(size))))
loss = 0.5 * (tf.reduce_mean(results-lables)**2)
solver = (tf.train.AdamOptimizer(learning_rate=lr).minimize(loss))