摘要：
准备 前传 反传 迭代 0准备 import 常量定义 生成数据集 1前向传播: 定义输入 参数 和 输出 x= y_= w1= w2= a= y= 2反向传播: 定义损失函数 反向传播方法 loss= train_step= 3生成会话: 训练STEPS轮 阅读全文
摘要：
反向传播: 使训练数据的损失函数最小 损失函数(loss) : 预测值(y) 与 已知答案(y_)的差距 均方误差 MSE : MSE(y_, y) = $\frac{\sum_{n}^{i=1}\left ( y -y{}'\right )}{n}$ 反向传播训练方法: 以减小loss值为优化目标 阅读全文