h1 = tf.nn.sigmoid(tf.add(tf.matmul(input_x, weights['h1']), biases['b1'])) h1 = tf.nn.dropout(h1, keep_prob) h2 = tf.nn.sigmoid(tf.add(tf.matmul(h1, weights['h2']), biases['b2'])) h2 = tf.nn.dropout(h2, keep_prob) pred = tf.nn.sigmoid(tf.add(tf.matmul(h2, weights['out']), biases['out']))；这里采用了什么优化器

这段代码没有显示使用任何优化器，只有定义了神经网络的前向传播过程。如果要使用优化器进行训练，需要在定义完神经网络后，使用 `tf.train` 模块中的优化器来最小化损失函数。例如，可以使用 AdamOptimizer 进行优化，代码如下：

cost = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=pred, labels=y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)