Tensorflow 为什么AdamOptimizer无法找到最小化x*x的最佳值？

我试图用adagrad Optimizer最小化x*x。我希望得到x=0作为结果，但我得到了值x，接近初始值

import tensorflow as tf
x=tf.Variable(-2.)
sq=x*x
o = tf.train.AdamOptimizer(1e-1).minimize(sq)
with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run([init])
    sess.run([o])
    r=sess.run([x])
    print("done",r)

结果得到-1.9，而不是预期的0

我是否正确地理解了-2是这里的初始值，还是其他值？AdamOptimiser是否只执行一个步骤，或者是否可以启动它进行持续优化？如何得到x=0作为结果？

sess.run（[0]）

只运行一个步骤。要执行完整的优化，您需要运行许多步骤，这可以通过在循环中重复单个步骤来完成

因此，您可以将sess.run（[o]）替换为：

for i in range(1000):
   sess.run([o])

这将产生结果

3.4735016e-23

，非常接近预期的

0

根据我的经验，人们通常会像我演示的那样运行许多优化步骤，使用

for

循环。如果您有兴趣将循环实现为TensorFlow操作，然后只运行一次此操作，则可以这样做，但不建议这样做。原因是：（a）我认为这样做不会使代码变得“优雅”（b）如果要运行1000个步骤，需要向图形中添加1000组操作，并将它们分组为一组。相比之下，这只需要一组操作

---

您可以查看更多相关信息。

sess.run（[o]）

只运行一个步骤。你应该把这一行写进一个循环中，比如说，100次迭代。请把它作为一个答案，这样我就可以接受它了。也可能有一些标准的TF方法来避免为范围（1000）内的i编写代码？