深度学习里面的 loss和acc（损失和准确率），分别是怎么定义的呢？我仔细学习了一下，平面上用一条直线y=w*x+b 拟合n个点（并且自己编程实现了），然后你给出第n+1个点的横坐标，我就可以预测出他的纵坐标。反之，能给出一个纵坐标，我就可以预测出他的横坐标。在这个拟合的代码里，我必须计算 第m次和第m+1次的y值，如果y[m+1]-y[m]足够小，我就认为我找到了合适的w和b，这条直线方程也就知道了。我买了纸质的 李明军老师写的《TensorFlow深度学习实战大全》一书，并且和李老师一起探讨了他书中第一章的代码，指出了代码中的问题（他的代码仅仅凭 循环次数来决定w和b，比如循环10万次就算找到了w和b，我认为是不妥当的）。现在往后看，我不知道TensorFlow中的loss和acc 是如何定义的了。有大佬指教一下吗？更欢迎这本书的读者和我交流
--
FROM 120.242.251.*