Neural Networkシーケンス伝搬マトリクス乗算と配置処理
3421 ワード
純伝播時のNumpy行列積
def sigmoid(x):
return 1/(1+np.exp(-x))
X = np.array([1, 2])
W = np.array([[0.1, 0.2], [0.3, 0.4]])
B = np.array([0.1, 0.2])
Z = sigmoid(np.dot(X, W) + B)
print(Z)
[0.68997448 0.76852478]
バッチ処理
Sikittrunのirisデータは全部で4つの特徴数があり,ターゲットは3つのクラスである.
第1層が50個の隠層であり、第2層が100個の隠層のニューラルネットワークモデルである場合、1つのデータに対してニューラルネットワークが配列する現象は、
X W1 W2 W3 -> Y
4 4X50 50X100 100X3 3
しかしirisデータの総数は150個であるため,これらのデータを1つずつ計算するのに長い時間がかかる.この計算時間を短縮する方法で、バッチを使用します. X W1 W2 W3 -> Y
150X4 4X50 50X100 100X3 150X3
これにより150 X 3のマトリクスに出力される.このような一刀切の入力データをバッチと呼ぶ.Reference
この問題について(Neural Networkシーケンス伝搬マトリクス乗算と配置処理), 我々は、より多くの情報をここで見つけました https://velog.io/@skkumin/Neural-Network-순전파-행렬곱셈-과-배치처리テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol