搭建神经网络中
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction)), reduction_indices=[1])
此情况下运行会报错：ValueError: Invalid reduction dimension 1 for input with 0 dimensions. for 'Mean' (op: 'Mean') with input shapes: 【], [1】 and with computed input tensors: input[1] = .
似乎因为无法降维，所以修改代码为：
loss = tf.reduce_sum(tf.square(ys - prediction)), reduction_indices=[1]
此情况下运行输出数据均为：nan
似乎loss过大，因此修改train_step数据为：
train_step = tf.train.GradientDescentOptimizer(0.001).minimize(loss)
此情况下运行train_step10000次loss数据才可接近0.7
而进一步减小 梯度下降优化器数值 反而loss数据更大了
up主的代码可以跑通，但是为什么reduction_indices=[1],这里不太明白，去掉这句话以后结果就是nan了
这样写loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction), reduction_indices=[1]))，你的reduction_indices=[1]放错地方了
大家注意tf.reduce_sum()的括号