python - 在机器学习中确定矩阵的维度

所以我最近发现了对机器学习的兴趣，现在正在学习课程。然而，就像 10 年前我做线性代数一样，我在权重的矩阵维度上遇到了一些问题。

我正在尝试构建具有两个隐藏层、输入和输出节点的代码。我的输入数据（输入和目标）由 5 行和 25 列组成。5张图片，每张25像素。每张图片都是一个字母（A、B、C、D、E）。

因此，包含从我的输入节点到我的第一个隐藏层的权重的矩阵的维度应为 [25 x something]。

我的矩阵的维数包含从我的第一个隐藏层到我的第二个隐藏层的权重应该是 [something x 5]。

包含从我的第二层到我的输出节点的权重的矩阵的维度应为 [5 x something]。输出应该有五行，因为它可以是 5 个字母之一。

我试图从这个网页中获取灵感来设置我的矩阵，但它不起作用。

由于这个操作系统给我带来了很多麻烦，我修改了以下代码（3layer.py）进行测试： https ://github.com/jiexunsee/Neural-Network-with-Python

总结一下我的问题，假设我的输入被确定为 5 张图片，每张图片有 25 个像素 [5x25]，并且我希望我的输出与我的输入基本相同（用 1 个字母回答）。我的 3 重量矩阵应该有什么尺寸？我该如何计算？

标签： pythonmachine-learninglinear-algebra