一. MovingAverage權值滑動平均更新

1.1 示例代碼：

def create_target_q_network(self,state_dim,action_dim,net):  state_input = tf.placeholder("float",[None,state_dim])  action_input = tf.placeholder("float",[None,action_dim])  ema = tf.train.ExponentialMovingAverage(decay=1-TAU)  target_update = ema.apply(net)  target_net = [ema.average(x) for x in net]  layer1 = tf.nn.relu(tf.matmul(state_input,target_net[0]) + target_net[1])  layer2 = tf.nn.relu(tf.matmul(layer1,target_net[2]) + tf.matmul(action_input,target_net[3]) + target_net[4])  q_value_output = tf.identity(tf.matmul(layer2,target_net[5]) + target_net[6])  return state_input,action_input,q_value_output,target_updatedef update_target(self):  self.sess.run(self.target_update)  

其中，TAU=0.001，net是原始網絡(該示例代碼來自DDPG算法，經過滑動更新后的target_net是目標網絡 )

第一句 tf.train.ExponentialMovingAverage，創建一個權值滑動平均的實例；

第二句 apply創建所訓練模型參數的一個復制品(shadow_variable)，并對這個復制品增加一個保留權值滑動平均的op，函數average()或average_name()可以用來獲取最終這個復制品(平滑后)的值的。

更新公式為：

shadow_variable = decay * shadow_variable + (1 - decay) * variable

在上述代碼段中，target_net是shadow_variable，net是variable

1.2 tf.train.ExponentialMovingAverage.apply(var_list=None)

var_list必須是Variable或Tensor形式的列表。這個方法對var_list中所有元素創建一個復制，當其是Variable類型時，shadow_variable被初始化為variable的初值，當其是Tensor類型時，初始化為0，無偏。

函數返回一個進行權值平滑的op，因此更新目標網絡時單獨run這個函數就行。

1.3 tf.train.ExponentialMovingAverage.average(var)

用于獲取var的滑動平均結果。

二. tf.train.Optimizer更新網絡權值

2.1 tf.train.Optimizer

tf.train.Optimizer允許網絡通過minimize()損失函數自動進行權值更新，此時tf.train.Optimizer.minimize()做了兩件事：計算梯度，并把梯度自動更新到權值上。

此外，tensorflow也允許用戶自己計算梯度，并做處理后應用給權值進行更新，此時分為以下三個步驟：

1.利用tf.train.Optimizer.compute_gradients計算梯度

2.對梯度進行自定義處理

3.利用tf.train.Optimizer.apply_gradients更新權值

tf.train.Optimizer.compute_gradients(loss, var_list=None, gate_gradients=1, aggregation_method=None, colocate_gradients_with_ops=False, grad_loss=None) 

返回一個(梯度，權值)的列表對。

tf.train.Optimizer.apply_gradients(grads_and_vars, global_step=None, name=None)

返回一個更新權值的op，因此可以用它的返回值ret進行sess.run(ret)

2.2 其它

此外，tensorflow還提供了其它計算梯度的方法：