自学笔记：最最简单和基本的TENSORFLOW原理总结

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。