人工智能入门2.线性回归-理解TensorFlow中wb参数的含义

刚开始入门的时候，我们经常遇到单层神经网络模型如下

b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 1], -1.0, 1.0))
y = tf.matmul(W, x) + b

我们如何去理解它。
输入数据x 可以理解，输出数据y也是可以理解的。
如何去理解w 和b的含义。今天我们来深度的解刨一下。

一、从简单训练简单理解

x_data = np.float32(np.random.rand(1, 100)) # 随机输入
y_data = np.dot([0.100], x_data) + 0.300

b = tf.Variable</