2、用优化器使loss最小

2、tf.train.AdamOptimizer()函数是Adam优化算法：是一个寻找全局最优点的优化算法，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'
)

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