placehold: X_ , 数据入口,将批量的学习数据(x)灌入其中,其中x相当于自变量原始数据,也就是二维图表里面的x坐标。
placehold: Y_ , 数据入扣,将批量的学习数据(y)灌入其中,其中y相当于结果数据,也就是二维图标里面的y坐标。
output 各种层的输出,这一层的输出也就是下一层的输入。
predict, 或者叫predict_Y,也就是最后一层(输出层)的output, 是机器预测出来的结果,是用来跟学习数据的Y用来比对的。
loss: 就是predict_y和y的差距,机器会想办法用学习和各种算法把loss变得越来越小。
variable w 权重矩阵
variable b(bias) 偏移矩阵
基本上所有的算法都可以归纳成: predict_y = w*x + b (*不是代表乘,代表各种算法)
在测试状态下,只需要把x数据输入,然后获得predict_y就可以了。
很多示例变量名起的不规范,会造成混淆,看示例只要把这几个数据搞明白,模型的轮廓就清晰了。