使用tensorflow在训练神经网络中出现错误：

ValueError: Dimensions must be equal, but are 784 and 10 for 'add' (op: 'Add') with input shapes: [784,784], [10].

出现这种错误一般就是输入，输出矩阵，和   tf.matmul(weight, x) + bias 计算中矩阵不能相乘所造成的

matmul（weight, x）函数表示行数为weight，列数为x的矩阵

说白了就是矩阵相乘维度不一致导致，

比如输入矩阵为：49x2      输出矩阵为：49x3

整个网络计算的矩阵维度要一致，可以相乘。49x2   2x50  50x21  21x3   计算到最后得到  49x3正好是输出

#定义两个placeholder
x = tf.placeholder(tf.float32, [None, 784])
y = tf.placeholder(tf.float32, [None, 10])
input_num=784
output_num=10
#神经网络层
weight = tf.Variable(tf.zeros([784, 10]))
bias = tf.Variable(tf.zeros([10]))
predict = tf.matmul(weight, x) + bias

none*784  ×  784*mm  x  mm*10 矩阵相乘 结果为none*10 正好为输出y的矩阵形式，这样才可以进行计算
mm为任意数，这个在矩阵乘法中可以约掉

例如：

矩阵乘法是最常见的方法，也是在深度神经网络中用的很多的加权求和中的加权操作。两个矩阵做乘法，必须满足第一个矩阵的第二维和第二个矩阵的第一维要相等，结果的维度等于第一个矩阵的第一维和第二个矩阵的第二维。 比如mn的矩阵和np的矩阵，结果为m*p维矩阵。计算过程是第一个矩阵的每一行和第二个矩阵的每一列，即两个向量相乘。