机器学习中的问题

20 #1定义神经网络的输入、参数和输出，定义前向传播过程 21 x = tf.placeholder(tf.float32,shape=(None,2)) 22 y_ = tf.placeholder(tf.float32,shape=(None,1)) 23 w1 = tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) 24 w2 = tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) 25 26 a = tf.matmul(x,w1) 27 y = tf.matmul(a,w2)

w1和w2是什么意思？有什么作用？

29 #2定义损失函数及反向传播方法 30 loss = tf.reduce_mean(tf.square(y-y_)) 31 train_step = tf.train.GradientDescentOptimizer(0.001).minimize(loss)

这是定义损失函数和反向传播的方法

42 # 训练模型 43 STEPS = 3000 44 for i in range(STEPS): 45 start = (i*BATCH_SIZE) % 32 46 end = start + BATCH_SIZE 47 sess.run(train_step,feed_dict={x:X[start:end],y_: Y[start:end]}) 48 if i % 500 == 0: 49 total_loss = sess.run(loss,feed_dict={x:X,y_:Y}) 50 print("After %d training step,loss on all data is %g" %(i,total_ loss)) 51

这里是用train_step的方法来训练x和y_这两个数组吗？

最后一个total_loss = sess.run(loss,feed_dict={x:X,y_:Y})，这里使用loss(均方误差）方法来训练x和y_数组吗？

望大神解答疑惑。