tf.train.AdamOptimizer.__init__( learning_rate=0.001, beta1=0.9, beta2=0.999, epsilon=1e-08, use_locking=False, name=‘Adam‘ )
参数：
learning_rate：学习速率
beta1：一阶矩估计的指数衰减率
beta2：二阶矩估计的指数衰减率
epsilon：数值稳定性的一个小常数
use_locking：如果True，要使用lock进行更新操作
`name``：应用梯度时为了创建操作的可选名称。默认为“Adam”
D_loss_real = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=D_logit_real, labels=tf.ones_like(D_logit_real)))
D_solver = tf.train.AdamOptimizer(0.01).minimize(D_loss_real)
D_loss_real求出D_logit_real与真实标签的交叉熵，求均值后为其损失
D_solver最小化D_loss_real损失原文：https://www.cnblogs.com/gaona666/p/12337308.html