강의 계획 레슨 246개 중 24번째 · 모듈 2: 수학과 확률, 필요한 만큼만
모듈 2: 수학과 확률, 필요한 만큼만

행렬 곱셈: 층 전체를 한 번에

왜 중요한가 층은 많은 뉴런이고, 배치는 많은 입력이에요. 행렬 곱셈 한 번이 모든 입력에 대해 모든 뉴런을 한 줄로 계산해요.

입력을 X의 행으로 쌓아요(모양: 입력 × 특성). 각 뉴런의 가중치를 W의 열로 쌓아요(모양: 특성 × 뉴런). 그러면 X @ W는 입력마다 행 하나, 뉴런마다 열 하나를 가져요: (i, j) 항목은 입력 i와 뉴런 j의 가중치의 내적이에요.

작은 숫자

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

1행 3열: 1 곱하기 -1 더하기 2 곱하기 1은 1이에요. 모양이 이어져요: (2, 2) @ (2, 3)은 (2, 3)을 줘요. 안쪽 숫자가 맞아야 해요.

행렬 곱셈: 왼쪽의 모든 행 곱하기 오른쪽의 모든 열, 내적으로.

요약 (batch, in) @ (in, out) = (batch, out). 그 모양 규칙 하나가 강좌 전체를 움직여요.

이 레슨의 단어와 기호
내적 (a . b)
짝이 맞는 항목을 곱해서 모두 더하기. 벡터들이 일치할 때 커요
내 차례

X @ W + b를 반환하는 layer(X, W, b)와, 배열을 하나도 만들지 않고 출력 모양을 튜플로 반환하는 layer_shape(batch, n_in, n_out)를 쓰세요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.