我有一个损失函数，它使用Keras模型的输出以及训练情节中的游戏内表现。我想在损失函数上调用tf.gradients以获取关于神经网络权重的损失。我有几件事我不了解如何执行此操作。
1：当我调用model.predict（）时，它返回一个数字的numpy数组（采取动作的可能性）。如果我的网络权重采用正确的格式并称为tf.gradients（action，weights），它会返回我期望的渐变，还是仅仅返回0，因为这是我在调用预报（）之后从一个numpy数组中提取的数字？我不能只是尝试一下，因为还没有成功调用渐变。
2：假设我有一个做得好的损失函数，该函数是1的值，它是训练情节的不同步骤（由游戏性能加权）的keras模型输出的总和。如何使用tf.gradients获取损失函数的梯度，然后迈出一步？似乎我应该使用model.trainable_weights并调用tf.gradients（loss，weights），但这只会返回Nones的向量。我是否需要弄平砝码或其他东西？我应该从其他地方得到它们吗？
3：有了渐变列表后，我想执行一个渐变步骤。这行代码对吗？
self.AdamOpt.apply_gradients(tf.gradients(L,weights))
其中
self.AdamOpt = tf.train.AdamOptimizer()