学习率设小一点，迭代次数多一点，误差变动设小一点

在学习 李明军的《TensorFlow深度学习实战大全》，第一章的代码就看不懂。我按照书上前面的说明，自己写程序  ，实现   将100个点拟合成一条直线。一开始，学习率 learn_rate 设置得太大，100个点的计算容易 超出python的最大值 （试试7个点，14个点，可以拟合）。将

learn_rate 设置成 0.0000001，就好 了。然后期望 numIterations = 100 0000（100万）次后结束迭代，实际只有 93 2717 迭代，误差变动就非常小了。

误差变动= -0.0009999987757964846
迭代次数= 932717

while (abs(误差变动) > 0.001):   

    if(迭代次数 > num_Iterations):
        break

不知道书上 的代码（或者github上的代码）：

# loss 是一个 1 * 100 的矩阵， x是个 100 * 2的矩阵
gradient = np.dot(loss,  x) / m

# 更新参数
theta = theta - learn_rate * gradient

不知道这个np.dot(loss, x) / m 公式，是怎么来的？有大牛指点一下吗？谢谢