Machine learning Matmul输入和权重矩阵顺序?

Machine learning Matmul输入和权重矩阵顺序?,machine-learning,matrix-multiplication,Machine Learning,Matrix Multiplication,我看到许多ML教程通过构造两个矩阵(权重矩阵和输入激活矩阵)来解释全连通网络,并执行矩阵到矩阵的乘法matmul以形成线性方程组 我看到的所有示例都将输入作为matmul的第一个参数,将权重张量作为第二个参数。为什么呢?如果正确创建了权重矩阵,且列数等于输入矩阵行数,为什么我不能执行权重乘以输入?若要获得nx1输入的nx1输出,应将输入与左侧的nxn矩阵或右侧的1x1矩阵相乘 如果将输入乘以标量1x1矩阵,则每个神经元的输入到输出之间只有一个连接。若你们把它和一个矩阵相乘,对于每个输出单元,我们

我看到许多ML教程通过构造两个矩阵(权重矩阵和输入激活矩阵)来解释全连通网络,并执行矩阵到矩阵的乘法matmul以形成线性方程组


我看到的所有示例都将输入作为matmul的第一个参数,将权重张量作为第二个参数。为什么呢?如果正确创建了权重矩阵,且列数等于输入矩阵行数,为什么我不能执行权重乘以输入?

若要获得nx1输入的nx1输出,应将输入与左侧的nxn矩阵或右侧的1x1矩阵相乘

如果将输入乘以标量1x1矩阵,则每个神经元的输入到输出之间只有一个连接。若你们把它和一个矩阵相乘,对于每个输出单元,我们得到输入神经元的加权和。换句话说,输入端的每个神经元都与输出端的每个神经元连接,而输出端的每个神经元都是完全连接的


通过保持这种逻辑,你如何安排权重矩阵无关紧要。

谢谢你的解释,但我对1xn权重的想法感到困惑。如果我们输入了[n,1]*权重[1,n],那么输出不是变成[n,n]了吗?所以不是[n,1]了吗?对不起,我在尺寸上犯了一个错误,现在它被编辑了。谢谢你,凯伦!我的解释是,根据我们如何选择权重张量,如果它是向量,那么输入和输出之间是1:1的关系。如果权重是一个矩阵,那么它是完全连接的,因为每个输出神经元从所有输入神经元接收一个加权和。然后,在完全连接或1:1操作中,我们可以选择将输入放在左侧或右侧,并相应地转置权重矩阵/向量。是的,这是准确的解释。