行(row)向量, shape(1,n), n为向量的维度;行(row)向量可以简单记忆为行数为1,列数为n的向量;
列(Column)向量,其shape = (n,1), n为向量的维度;列(Column)向量可以简单记忆为列数为1,行数为n的向量;
行列向量的点积(dot product)如下:
由此,为了简化程序实现,《将原始数据转换为矩阵》,可以方面的实现m个样本,n个特征值的神经元计算(加权求和+激活函数)
行(row)向量, shape(1,n), n为向量的维度;行(row)向量可以简单记忆为行数为1,列数为n的向量;
列(Column)向量,其shape = (n,1), n为向量的维度;列(Column)向量可以简单记忆为列数为1,行数为n的向量;
行列向量的点积(dot product)如下:
由此,为了简化程序实现,《将原始数据转换为矩阵》,可以方面的实现m个样本,n个特征值的神经元计算(加权求和+激活函数)