继上篇，继续视频代码笔记。
一：placeholder(tensorflow)
具体不造有什么用。
结果：
二：action function激励函数(tensorflow)
（目前：我自己理解为：1.压缩，使其值（激活值）位于0到1之间；2.表示了模型的偏好（个人理解，总觉得他和偏置值有着类似的作用））
三：添加神经网络层（tensorflow）（函数）
其实如果看过神经网络视频的，很容易理解代码。但是我自己画图：
和代码比较，我的输入输出和他是相反的（行列），有点不清楚了。因为我习惯matlab一样的构造方式，所以此处有点疑惑。
四：神经网络 （继上层代码）
参考网址：
（1）np.newaxis
https://blog.csdn.net/mameng1/article/details/54599306(感觉就是转置的作用)
(2)np.random.normal()
https://blog.csdn.net/lanchunhui/article/details/50163669(正态分布的误差，即随机误差)
(3)reduce_sum()中reduction_indices(其实就是表示维度)
https://blog.csdn.net/qq_34562093/article/details/80611611
(4)place_holder中None再干啥（其实就是为了表示，这是一个数，猜测是必须给定两个维度，而用None表示其没有这个维度）
https://blog.csdn.net/zj360202/article/details/70243127
代码：
(嗯，果然，一帆风顺是不存在的)
（1）tensorflow各个版本间的坑
https://blog.csdn.net/wang2008start/article/details/71516198
吐槽开始：mmp
首先，代码打完，运行报错。
（1）经检验，float32和float64问题
https://www.cnblogs.com/hhh5460/p/5129032.html
照着博客解决
但是会出现一个很奇怪的现象：
上图为转换前后
（2）报错：
经定位：
这句话的问题。
最开始我以为是点乘和矩阵乘法的问题：
（2.1）点乘和矩阵乘法
http://www.soaringroad.com/?p=560
（2.2）改完还是不对，理了一下思路，其实，inputs是一个[300,2],每一行为一个样本，Weigths[1,10]，而其运算一定矩阵乘法，所以，就是解决维度问题。
最恶心的坑：
对，没错，又回到最初的起点，意味着最初那个解决float64问题的方法是不对的.........我.....，此处先留存疑问，以后解决。
最最后，填以前的一个疑问，place_holder，可以利于随机梯度下降的实现。
----------------------------------------------------------------------------------分割线----------------------------------------------------------------------------
咨询了大佬，最后问题解决了，有一个函数叫： np.float32(),就这么简单..............
最后代码如下：
结果：
