tf.train.AdamOptimizer()函數是Adam優化算法：是一個尋找全局最優點的優化算法，引入了二次方梯度校正。
tf.train.AdamOptimizer.__init__(
learning_rate=0.001,
beta1=0.9,
beta2=0.999,
epsilon=1e-08,
use_locking=False,
name='Adam'
)
參數：
learning_rate：張量或浮點值。學習速率
beta1：一個浮點值或一個常量浮點張量。一階矩估計的指數衰減率
beta2：一個浮點值或一個常量浮點張量。二階矩估計的指數衰減率
epsilon：數值穩定性的一個小常數
use_locking：如果True，要使用lock進行更新操作
`name``：應用梯度時為了創建操作的可選名稱。默認為“Adam”
本質上是帶有動量項的RMSprop，它利用梯度的一階矩估計和二階矩估計動態調整每個參數的學習率。
Adam的優點主要在於經過偏置校正后，每一次迭代學習率都有個確定范圍，使得參數比較平穩。
相比於基礎SGD算法，1.不容易陷於局部優點。2.速度更快