这个 TensorFlow 程序在 Python 中的等效 R 代码是什么？

Question

我正在学习在 R 中求解方程，并且我有兴趣通过 TensorFlow 来完成它（我已经知道如何使用 GA 和模拟退火来完成它）。 我正在 R 中为这个执行 Y = X + Z 并求解 Z 的 Python 程序构建等效代码（在 blog 中找到它）。我花了几个小时试图找到许多函数变体，在互联网博客和 CRAN 文档中搜索它们。

import tensorflow as tf
x = tf.constant([[1., 2.]])
y = tf.constant([[12., 4.]])
Z = tf.Variable(tf.zeros([1, 2]))

yy = tf.add(x, Z)
deviation = tf.square(y - yy)

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(deviation)

init = tf.global_variables_initializer()
sess = tf.Session();
sess.run(init)
for i in range(5000):
 sess.run(train_step)
print(sess.run(Z))

下面是我开发到现在的R代码，在这个过程中尝试了很多变种的程序：

library(tensorflow)
x = tf$constant(c(1.,2.))
y = tf$constant(c(12,4))
Z = tf$Variable(tf$zeros(2,1))
yy = tf$add(x, Z)
deviation = tf$square(y - yy)

train_step = tf$optimizers$Adam(0.01)

现在我无法将 minimize() 函数添加到 train_step，因为我收到一个错误，指出它不是优化器的属性。我尝试过使用 tensorflow 和 keras 中的评估、编译和其他功能，但无法弄清楚如何做到这一点。

Answer 1

获取渐变相对容易，将它们应用于变量我不太清楚如何在 tf$Variable 上做到这一点。也许这仍然可以帮助：

library(tensorflow)


optimizer <- tf$keras$optimizers$Adam(0.001)

x = tf$constant(c(1.,2.))
y = tf$constant(c(12,4))
Z = tf$Variable(tf$zeros(2,1))

with(tf$GradientTape() %as% tape, {
  yy = tf$add(x, Z)
  deviation = tf$square(y - yy)
})

grads <- tape$gradient(deviation,Z)
grads
tf.Tensor([-22.  -4.], shape=(2,), dtype=float32)
## now for adam part i cannot figure out how to apply it, usually you do:
# optimizer$apply_gradients(
#   purrr::transpose(list(grads, Z)) ## where Z would be model variables...
# )

编辑：如果有人知道如何解决最后一步，请编辑/评论解决方案。