我是TensorFlow和神经网络的新手，我正在尝试创建一个能够将两个浮点数相乘的模型。
我不知道需要多少个神经元，但我选择了10个神经元，并尝试看看从这里能达到什么效果。我认为这应该足以引入足够的复杂性，以便半准确地学习这个操作。
无论如何，这是我的代码：
看起来错误总是大约在7522.1左右，对于只有100个数据点来说，这非常糟糕，所以我认为它没有在学习。
我的问题是：我的机器在学习吗？如果是，我能做些什么来提高它的准确性？如果不是，我怎样才能让它学习？
回答：
代码中存在几个主要问题。@Aaron已经指出了其中一些，但还有另一个重要的问题：calculated_output和correct_answers的形状不一致，因此在你减去它们时会创建一个二维矩阵。（calculated_output的形状是(100, 1)，而correct_answers的形状是(100)。）所以你需要调整形状（例如，通过对calculated_output使用tf.squeeze）。
这个问题实际上并不需要任何非线性操作，所以你可以不用激活函数，只用一层就能解决。以下代码的总误差大约为6（每个测试点的平均误差约为0.06）。希望这对你有帮助！
