ML:2-1-5 matrix multiplication矩阵乘法

本文介绍了神经网络中利用向量化和矩阵乘法提高效率的方法,包括矩阵乘法规则、transpose的应用以及numpy中的矩阵运算,重点讲解了为何矩阵乘法在神经网络中如此关键。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


【吴恩达p56-59】

1. 为什么neural network如此高效

  1. neural network可以向量化,非常有效的使用矩阵乘法。
  2. 这一节会了解neural network的vectorization是怎么实现的。
  3. 将x,b都用matrix的形式表达X,B。
  4. dense方程就可以vectorization
  5. np.matmul()是numpy里执行矩阵乘法的方法。
    请添加图片描述

2. matrix multiplication(补充)

请添加图片描述
请添加图片描述

请添加图片描述

3. matrix multiplication的规则(补充)

  1. 将其中一个matrix做transpose(列->行)
  2. matrix * matrix的结果,行列的个数 = 前面matrix有几组数。
    【Z=AT W,那么结果的行由AT的组数决定(3),列由W的组数决定(4)】
    请添加图片描述
  • 可以矩阵相乘的要求是:前一个矩阵的列数= 后一个矩阵的 行数
    请添加图片描述

4. matrix multiplication的代码(optional)

  1. A.T表示transpose

请添加图片描述
请添加图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值