apply_gradients 使用计算得到的梯度来更新对应的variable.

`apply_gradients`是TensorFlow库中的一个函数，它主要用于优化过程中的模型更新。当你使用反向传播算法（如梯度下降法）计算出每个变量（Variable）所对应损失函数的梯度之后，`apply_gradients`函数会把这些梯度应用到相应的变量上，以调整它们的值，从而使模型朝着最小化损失的方向学习。

这个函数通常在`tf.train.Optimizer`对象的方法中被调用，例如`AdamOptimizer`, `SGD`等。它的基本语法如下：

optimizer.apply_gradients(zip(gradients, variables), global_step=global_step_variable)

其中，
- `gradients`是一个字典，键是变量，值是该变量对应的梯度。
- `variables`是需要更新的一组变量。
- `global_step_variable`（可选）用于跟踪训练步骤，以便于分布式训练中的同步。

通过`apply_gradients`，你可以将模型的学习率、动量等超参数设置好，然后让TensorFlow自动管理整个迭代过程中的梯度更新。