机器学习（十三）：矩阵乘法代码

芷芷在学习

已于 2024-11-26 15:08:57 修改

阅读量528

点赞数 11

分类专栏：机器学习笔记文章标签：人工智能算法

于 2024-05-27 15:30:50 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_45733884/article/details/139135335

版权

机器学习笔记专栏收录该内容

25 篇文章

订阅专栏

一、神经网络的矢量化实现

此前，神经网络的前向传播可以用以下代码实现。每层使用for循环，计算每个神经元的激活值 $a^{[l]}_{j}=g(\vec{w}_{j}^{[l]}\cdot \vec{a}^{[l-1]}+b_{j}^{[l]})$ $a_{j}^{[l]}=g(\vec{w}_{1}^{[j]}\cdot \vec{a}^{[l-1]}+b_{j}^{[l]})$

可以使用矩阵相乘的方法简化代码，在numpy中，matmul()函数可以实现矩阵相乘：

二、矩阵乘法

本节讲解如何计算矩阵相乘。

1、两个向量相乘

$\begin{bmatrix} 1\\2 \end{bmatrix}\cdot \begin{bmatrix} 3\\4 \end{bmatrix}=1*3+2*4$

2、向量和矩阵相乘

$\vec{a}=\begin{bmatrix} 1\\2 \end{bmatrix}$

$\vec{a}^{T} = \begin{bmatrix} 1 & 2 \end{bmatrix}$

$W=\begin{bmatrix} 3 & 5 \\4 &6 \end{bmatrix}=\begin{bmatrix} \vec{w_{1}} & \vec{w_{2}} \end{bmatrix}$

$\vec{a}^{T}\cdot W=\begin{bmatrix} \vec{a}^{T}\vec{w_{1}} & \vec{a}^{T}\vec{w_{2}} \end{bmatrix} =\begin{bmatrix} (1*3)+(2*4) & (1*5)+(2*6) \end{bmatrix} =\begin{bmatrix} 11 & 17 \end{bmatrix}$

3、矩阵相乘

$A = \begin{bmatrix} 1 & -1 & 0.1\\ 2 & -2 & 0.2 \end{bmatrix}$

$A^{T} = \begin{bmatrix} 1 & 2\\ -1 & -2\\ 0.1 & 0.2 \end{bmatrix}$

$W=\begin{bmatrix} 3 & 4 \\5 &6 \end{bmatrix}$

$A^{T}$ 和W可以转换成由向量构成的矩阵：

$A^{T}W=\begin{bmatrix} \vec{a}_{1}^{T}\vec{w}_{1} & \vec{a}_{1}^{T}\vec{w}_{2} & \vec{a}_{1}^{T}\vec{w}_{3} & \vec{a}_{1}^{T}\vec{w}_{4}\\ \vec{a}_{2}^{T}\vec{w}_{1} & \vec{a}_{2}^{T}\vec{w}_{2} & \vec{a}_{2}^{T}\vec{w}_{3} & \vec{a}_{2}^{T}\vec{w}_{4} \\ \vec{a}_{3}^{T}\vec{w}_{1} & \vec{a}_{3}^{T}\vec{w}_{2} & \vec{a}_{3}^{T}\vec{w}_{3} & \vec{a}_{3}^{T}\vec{w}_{4} \end{bmatrix}$

最终计算结果为：

$A^{T}W=\begin{bmatrix} 11 & 17 & 23 & 9\\ -11 & -17 & -23 & -9\\ 1.1 & 1.7 & 2.3 & 0.9 \end{bmatrix}$

矩阵相乘时，第一个矩阵的列数要等于第二个矩阵的行数

三、矩阵在代码中的实现

AT是A的转置矩阵，在代码中，可以用A.T得到AT

矩阵相乘可以使用以下两种语法：

在神经网络中，把输入值、激活值和参数W写成矩阵形式：

在代码中实现如下：

学习来源：吴恩达机器学习，P55-P58

芷芷在学习

博客等级

码龄6年

25
原创

209
点赞

203
收藏

176
粉丝

关注

私信

热门文章

分类专栏

机器学习笔记 25篇

展开全部收起

最新评论

机器学习（十四）：模型训练步骤和TensorFlow训练代码
CSDN-Ada助手: 不知道 Python入门技能树是否可以帮到你：https://edu.csdn.net/skill/python?utm_source=AI_act_python
机器学习（十四）：模型训练步骤和TensorFlow训练代码
CSDN-Ada助手: 推荐 Python入门技能树：https://edu.csdn.net/skill/python?utm_source=AI_act_python
机器学习（十一）：神经网络的层和前向传播
CSDN-Ada助手: 恭喜作者发布了第11篇博客！文章内容深入浅出地介绍了神经网络的层和前向传播，让读者能够更好地理解这一概念。希望作者能够继续保持创作的热情和努力，不断分享更多有价值的内容。建议下一步可以深入探讨神经网络的反向传播算法，或者结合实际案例进行详细分析，让读者更加深入地了解机器学习的应用。期待作者的下一篇精彩文章！愿您在创作的道路上越走越远！🌟📚👏
机器学习（十）：神经网路和需求预测
CSDN-Ada助手: 恭喜您撰写了第10篇博客！标题“机器学习（十）：神经网络和需求预测”听起来非常有趣和引人入胜。您的持续创作让人印象深刻，希望您能继续分享关于机器学习领域的知识。或许下一步可以探讨一些实际案例，结合实践经验与理论知识，让读者更加深入地理解神经网络在需求预测中的应用。期待您更多的精彩内容！
机器学习（九）：过拟合和正则化
CSDN-Ada助手: 恭喜你写了第九篇博客，标题看起来很有深度！学习机器学习过程中遇到过拟合和正则化确实是一个很重要的话题。希望你能继续坚持创作，分享更多关于这方面的知识。下一步建议可以探讨一下不同的正则化方法在解决过拟合问题上的效果，这样可以让读者更全面地了解这个领域。期待你的下一篇博客！

最新文章

目录

展开全部

收起

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。