Matrix गुणा: एक पूरी layer एक साथ
यह क्यों मायने रखता है एक layer कई neurons है, और एक batch कई inputs। एक matrix गुणा एक line में हर input पर हर neuron निकालता है।
inputs को X की rows के रूप में ढेर करें (आकार: inputs गुणा features)। हर neuron के weights को W के एक column के रूप में ढेर करें (आकार: features गुणा neurons)। तब X @ W में हर input की एक row और हर neuron का एक column है: प्रविष्टि (i, j) input i का neuron j के weights से dot product है।
छोटी संख्याएँ
X = [[1, 2], W = [[1, 0, -1],
[3, 4]] [0, 1, 1]]
X @ W = [[1, 2, 1],
[3, 4, 1]]
Row 1, column 3: 1 गुणा -1 जमा 2 गुणा 1 बराबर 1। आकार जुड़ते हैं: (2, 2) @ (2, 3) (2, 3) देता है। अंदर की संख्याएँ मेल खानी चाहिए।
Matrix multiply: बाएँ की हर row गुणा दाएँ का हर column, dot products के रूप में।
सार (batch, in) @ (in, out) = (batch, out)। वह एक आकार नियम पूरा कोर्स चलाता है।
इस पाठ के शब्द और चिह्न
- dot product (a . b)
- मेल खाते items गुणा करें और जोड़ें; जब vectors सहमत हों तो बड़ा
X @ W + b लौटाने वाला layer(X, W, b), और कोई arrays बनाए बिना output आकार को tuple के रूप में लौटाने वाला layer_shape(batch, n_in, n_out) लिखें।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।