这个常见的例子是涉足最基本的神经网络（即两个神经元，一个输入和一个输出）的简单方法。
我一直在使用 TensorFlow 和 keras 来解决这个问题，我想知道，对于 NN 来说，学习权重 (1.8) 和偏差 (32) 应该非常简单，而且几乎不费吹灰之力。
但是，我发现（尽管仅使用 13 个示例）在运行 500 个 epoch 后，我可以获得 1.8 的权重，但偏差始终关闭（例如，29.2）。鉴于这个线性问题，显然没有激活函数。
我的问题是，对于这样一个简单的情况，神经网络能否准确解决这个问题？
不看代码很难说，但我可以想象几个原因：
这非常有效：
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
from tensorflow.keras.optimizers import Nadam
model = Sequential([Dense(1, activation=None, input_shape=[1])])
model.compile(loss='mean_squared_error', optimizer=Nadam(lr=0.1), metrics=['mean_absolute_error'])
F = list(range(-200,200))
C = [(f - 32) * 5 / 9 for f in F]
model.fit(F, C, batch_size=16, epochs=50)
print(model.predict(np.array([300])))
print(model.layers[0].get_weights())
[[148.88893]]
[array([[0.5555556]], dtype=float32), array([-17.777737], dtype=float32)]
300 F -> 148.8889 C，很好，它知道转换是 C = 5/9 * F - 17.7778，或 C = 5/9 * (F - 32)