machine-learning - 权重和输入的点积
问题描述
我正在阅读初学者级别的 ML 书籍,似乎每个人都在写
output = np.dot(inputs, np.array(weights).T) + biases
这对我来说看起来很尴尬,因为等式是y = wx + b
,不是y = xw + b
。变量写在其系数之后。
output = np.dot(weights, np.array(inputs).T) + np.array([biases]).T
为什么不是这个?这有什么原因吗?还是只是一个约定?
解决方案
这是作者采用的惯例。甚至变量(它们的维度)的初始化方式也是导致这种情况的另一个约定。
如果您正确实施它们,这两种方法都是可以接受的并且是正确的,即满足等式的目标。
推荐阅读
- c - C 中的 __unused 属性有什么意义?
- python - Flask:如何显示数据库中的数据
- node.js - 需要安装 Xvfb 才能运行 bitbucket 管道
- python - 在没有 with 的情况下在命令行上使用 Python 上下文管理器
- ruby - Ruby 中奇怪的二分搜索行为
- javascript - 将键值对分配给 JavaScript 中的空对象
- multithreading - 在新线程(Rust)中从共享库执行异步函数
- .net-core - 如何使用 System.Text.Json 漂亮地打印未知对象
- apache-nifi - 为什么 ExecuteSQLRecord 和 CSVRecordSetWriter 更新了 datetime 值的时区?
- python - 为什么 Python 不进入 For 循环插入到列表框中?