Machine learning Matmul输入和权重矩阵顺序？

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。