1. 使用TensorFlow进行矩阵乘法计算及验证 2. 利用全连接层编程解决特定非线性问题

1. 使用TensorFlow进行矩阵乘法： ```python import tensorflow as tf # 创建两个矩阵 matrix1 = tf.constant([[1, 2], [3, 4]]) matrix2 = tf.constant([[5, 6], [7, 8]]) # 进行矩阵乘法 result = tf.matmul(matrix1, matrix2) # 打印结果 print(result.numpy()) ``` 2. 使用全连接层解决非线性问题： ```python import tensorflow as tf from tensorflow.keras import layers # 定义输入数据和输出目标值 input_data = [[1, 1, 1], [1, 0, 1], [1, 2, 3]] output_target = [2, 1, 3] # 创建一个简单的神经网络模型 model = tf.keras.Sequential([ layers.Dense(10, activation='relu', input_shape=(3,)), layers.Dense(1) ]) # 编译模型 model.compile(optimizer='adam', loss='mse') # 训练模型 model.fit(input_data, output_target, epochs=100) # 预测新数据 new_data = [[1, 1, 1], [1, 0, 1], [1, 2, 3]] predictions = model.predict(new_data) # 打印预测结果 print(predictions) ```