`tensorflow.keras.optimizers.Optimizer` 中的方法 `_resource_apply_gradient` 应该返回什么类型？

如何解决`tensorflow.keras.optimizers.Optimizer` 中的方法 `_resource_apply_gradient` 应该返回什么类型？

creating custom optimizers 上的文档指出，需要实现以下方法：

• _resource_apply_dense（更新变量给定梯度张量是一个密集的 tf.Tensor）
• _resource_apply_sparse（给定梯度张量的更新变量是一个稀疏的 tf.IndexedSlices。发生这种情况的最常见方式是通过 tf.gather 获取梯度。）
• _create_slots（如果您的优化器算法需要额外的变量）
• get_config（优化器的序列化，包括所有超参数）

现在，如果我们看一下 SGD Optimizer，那么 _resource_apply_dense 返回 gen_training_ops.ResourceApplyGradientDescent 的返回值，它似乎是 tf.raw_ops.ResourceApplyGradientDescent 的别名，它返回“Created操作”。

现在我不确定那是什么意思，我尝试了：

>>> x = tf.Variable(initial_value=3,trainable=True,name="x",dtype=tf.float32)
>>> y = tf.raw_ops.ResourceApplyGradientDescent(var=x.handle,alpha=tf.constant(1.0),delta=tf.constant(2.2))
>>> print(y)
None

现在我不确定应该返回什么。我怀疑这可能与 tensorflow 2.0 默认情况下会立即执行有关，但我仍然不太确定在这种情况下这对我意味着什么。我是说会

return var.assign_sub(alpha*delta)

相当于

return tf.raw_ops.ResourceApplyGradientDecent(var=var.handle,alpha=alpha,delta=delta)

还是有区别？有没有办法找出执行不急切时会发生什么？

通过 gen_training_ops.ResourcApplyGradientDecent 的定义遵循 vscodes Pylance 我最终在一些机器生成的文件 resource_apply_gradient_descent 中得到了 gen_training_ops.py 的定义，这对我来说是不可读的胡言乱语。如果我点击 GitHub 中的函数，它会将我定向到一个 go 文件，该文件由于太大而未展开，因此这似乎是一个死胡同。