Adam和tf.keras.optimizers.Adam(learning_rate=lr_schedule)有什么区别？

Adam 是一种优化器算法，用于训练机器学习模型。tf.keras.optimizers.Adam(learning_rate=lr_schedule) 则是 TensorFlow 中的一个实现。

区别在于，使用 Adam 优化器时，需要先定义优化器对象，然后使用该对象对模型进行训练。而使用 tf.keras.optimizers.Adam(learning_rate=lr_schedule) 时，可以在模型编译时直接指定优化器，这样可以方便地配置不同的优化器参数，如学习率等。

以下是使用 Adam 优化器训练模型的示例代码：

import tensorflow as tf

# 定义优化器对象
optimizer = tf.keras.optimizers.Adam()

# 定义模型架构
model = tf.keras.Sequential([
  tf.keras.layers.Dense(64, activation='relu', input_shape=(784,)),
  tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer=optimizer,
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=10)

以下是使用 tf.keras.optimizers.Adam(learning_rate=lr_schedule) 训练模型的示例代码：

import tensorflow as tf

# 定义学习率调度器，用于动态调整学习率
lr_schedule = tf.keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate=1e-3,
    decay_steps=10000,
    decay_rate=0.9)

# 定义模型架构
model = tf.keras.Sequential([
  tf.keras.layers.Dense(64, activation='relu', input_shape=(784,)),
  tf.keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=lr_schedule),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(x_train, y