TensorFlow实现：单层神经网络拟合二次函数

细节

1、产生200个-0.5到0.5的数构成数列，[:,np.newaxis]将其变为2维矩阵：

x_data = np.linspace(-0.5,0.5,200)[:,np.newaxis]

2、第1个隐层神经元个数为10，权值矩阵为维数1*10，元素大小随机产生：

Weights_L1 = tf.Variable(tf.random_normal([1,10]))

3、代码中不是Wx+b，而是xW+b

关于维数问题，理解为输入的 x 维数为1*1，产生了200个这样的 x ，所以后面的

Wx_plus_b_L1 = tf.matmul(x,Weights_L1) + biases_L1

计算中，维数没有错误。