シラバス レッスン 246 中 24 · モジュール 2:数学と確率、必要なぶんだけ
モジュール 2:数学と確率、必要なぶんだけ

行列の掛け算:層全体を一度に

なぜ大切か 層はたくさんのニューロンで、バッチはたくさんの入力です。1 回の行列の掛け算が、すべての入力ですべてのニューロンを 1 行で計算します。

入力を X の行として積み重ねます(形:入力 × 特徴)。それぞれのニューロンの重みを W の列として積み重ねます(形:特徴 × ニューロン)。すると X @ W は入力ごとに 1 行、ニューロンごとに 1 列を持ちます。項目 (i, j) は、入力 i とニューロン j の重みの内積です。

小さな数

X = [[1, 2],      W = [[1, 0, -1],
     [3, 4]]           [0, 1,  1]]
X @ W = [[1, 2, 1],
         [3, 4, 1]]

1 行目、3 列目:1 掛ける -1 足す 2 掛ける 1 は 1 です。形はつながります:(2, 2) @ (2, 3) は (2, 3) を返します。内側の数が一致しなければなりません。

行列の掛け算:左のすべての行と右のすべての列の、内積としての掛け算です。

まとめ (batch, in) @ (in, out) = (batch, out)。そのひとつの形の規則が、コース全体を動かします。

このレッスンの言葉と記号
内積 (a . b)
対応する項目を掛けて足し合わせる。ベクトルが一致すると大きい
あなたの番

X @ W + b を返す layer(X, W, b) と、配列を何も作らずに出力の形をタプルとして返す layer_shape(batch, n_in, n_out) を書いてください。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

この演習はまもなく開きます

その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。