求助帖：今天看了一本tensorflow的实战，一段随机梯度下降算法代码。

1问题：

疑点如下：
1.max_itor这个变量完全没有用到，不知道是干嘛的，书上也没有说。
2.结果的迭代次数是24，书上的是2118，代码和书上完全一样（我怀疑敲错了，从书籍的配套源码复制过来的，还是这个结果）。
3.求偏导部分，theta要迭代，theta -= alpha * ，代码中我没看出来体现在哪？代码中的两个for循环不知道作者的意图是什么。求偏导的部分我自己是可以完成推倒的，原理也理解。

2.代码如下：

---

x = [(2, 0, 3), (1, 0, 3), (1, 1, 3), (1, 4, 2), (1, 2, 4)]
y = [5, 6, 8, 10, 11]
epsilon = 0.002
alpha = 0.02
diff = [0, 0]
max_itor = 1000
error0 = 0
error1 = 0
cnt = 0
m = len(x)
theta0 = 0
theta1 = 0
theta2 = 0
while True:
    cnt += 1
    for i in range(m):
        diff[0] = (theta0 * x[i][0] + theta1 * x[i][1] + theta2 * x[i][2]) - y[i]
        theta0 -= alpha * diff[0] * x[i][0]
        theta1 -= alpha * diff[0] * x[i][1]
        theta2 -= alpha * diff[0] * x[i][2]
    error1 = 0
    for lp in range(len(x)):
        error1 += (y[lp] - (theta0 + theta1 * x[lp][1] + theta2 * x[lp][2])) ** 2 / 2
    if abs(error1 - error0) < epsilon:
        break
    else:
        error0 = error1
print('theta0 : %f, theta1 : %f, theta2 : %f, error1 : %f' % (theta0, theta1, theta2, error1))
print('Done: theta0 : %f, theta1 : %f, theta2 : %f' % (theta0, theta1, theta2))
print('迭代次数: %d' % cnt)

3.跪求大佬解惑，指点一二，万分感谢，新手在学tensorflow，这书上介绍的随机梯度下降法，之前我自己实现过梯度下降，但是这本书的代码我没看懂。