C1-3.4 多个样本的向量化

最新推荐文章于 2024-08-10 11:08:05 发布

帅翰GG

最新推荐文章于 2024-08-10 11:08:05 发布

阅读量447

点赞数 9

分类专栏：深度学习文章标签：人工智能机器学习 python

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_46228946/article/details/135566320

版权

深度学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

本文解释了在神经网络中使用样本向量化的原因，是为了简化多组输入变量的计算过程，通过将多组输入变量拼接成向量，实现一次性计算，显著提高了计算效率。

摘要由CSDN通过智能技术生成

C1-3.4 多个样本的向量化

1、为什么要用样本的向量化呢？

总结一句话：计算方便

下图是神经网络计算的步骤，右侧是有一个输入变量a[0]（什么是X呢，因为输入层有三个神经元，说明有三个输入变量，这是一个向量）的计算过程。

在这里插入图片描述

但是，当有多组输入变量m的时候怎么办？用for循环遍历依次计算？

这样是不方便的，于是引出了 向量化

在这里插入图片描述

2、什么是向量化

输入X，x的个数为m，就是m列的向量。

1、把多组输入变量X拼接在一起

在这里插入图片描述

2、通过计算得出多样本向量化Z

在这里插入图片描述

在这里插入图片描述

关注

9
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
C1-3.4 多个样本的向量化

输入X，x的个数为m，就是m列的向量。1、把多组输入变量X拼接在一起2、通过计算得出多样本向量化Z。
复制链接

扫一扫

专栏目录

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。