MNIST数据集:使用numpy创建了神经网络，现在无法更正有关广播的错误

MNIST数据集是一个广泛使用的手写数字识别数据集，常用于机器学习和深度学习的训练和测试。它包含了一系列的手写数字图片，每张图片都是28x28像素的灰度图像。

在使用numpy创建神经网络时，如果出现关于广播的错误，可能是因为输入数据的维度不匹配导致的。广播是numpy中的一种机制，用于在不同维度的数组之间进行运算，以便实现维度自动扩展。

要解决这个错误，可以尝试以下几个步骤：

1. 检查输入数据的维度：确保输入数据的维度与神经网络模型的输入层维度相匹配。例如，如果神经网络的输入层期望的是一个形状为(784,)的一维向量，而输入数据的维度是(28, 28)，则需要将输入数据展平为一维向量。
2. 使用numpy的reshape函数：如果输入数据的维度不匹配，可以使用numpy的reshape函数来改变数据的形状，以使其与神经网络模型的输入层维度相匹配。
3. 检查神经网络模型的权重和偏置的维度：确保神经网络模型的权重和偏置的维度与输入数据的维度和输出数据的维度相匹配。如果维度不匹配，可以使用numpy的reshape函数或者调整神经网络模型的结构来解决。
4. 检查神经网络模型的激活函数：确保神经网络模型的激活函数与问题的要求相匹配。例如，在手写数字识别问题中，常用的激活函数是softmax函数。

关于MNIST数据集的更多信息，可以参考腾讯云的相关产品介绍链接地址：MNIST数据集介绍

请注意，以上答案仅供参考，具体解决方法可能因具体情况而异。在实际开发中，建议结合具体错误信息和代码进行调试和排查。