Java/Processing 如何用点积做矩阵乘法

Question

你好，我正在使用处理（本质上只是 Java），我想要一个非常简单的矩阵 class 来帮助我的神经网络。

它工作正常，但 "matrix-multipication" 部分实际上不起作用。

我知道我的代码有误，但我似乎找不到解决方法。

class 的开头如下所示：

class Matrix {

   int rows;
   int cols;
   double[][] matrix;

   Matrix(int rows_ , int cols_ ) {
       rows = rows_;
       cols = cols_;

       // set size of matrix
       matrix = new double[rows][cols];

      // fill with 0s
      for (int i = 0; i < rows; i++) {
         for (int j = 0; j < cols; j++) {
            matrix[i][j] = 0;
         }
      }
   }

错误的部分在这里:

Matrix Matrix_Multipication(Matrix b) {

    // Create new Matrix for the result
    Matrix c = new Matrix(b.cols,rows);

    // check if not number of cols is number of rows of b
    if (cols != b.rows) {
      return c;
    }
    // Compute
    for(int i=0; i< c.cols; i++){
      for(int j=0; j< c.rows; j++){
        for(int k=0; k< rows; k++){
          c.matrix[i][j] = c.matrix[i][j] + matrix[i][k] * b.matrix[k][j]; // here is the error
          }
        }
      }
     // return new matrix
     return c;
 }

错误是：

ArrayIndexOutOfBoundsExcpetion : 1

如果列大小为一，我只会收到此错误:

Matrix m1 = new Matrix(2,3);
Matrix m2 = new Matrix(3,1); // here the 1
Matrix m3 = m1.Matrix_Multipication(m2); // apply Matrix_Multipication

我想也许构造函数也有问题，但我不知道怎么会错。

您还可以向我展示一个矩阵库，以及如果您找不到任何错误我如何安装它们。

ps: 我做了研究，但我没有中继发现任何东西。我尝试编写自己版本的神经网络库形式 "The-Coding-Train" https://www.youtube.com/watch?v=NgZAIkDcPkI&list=PLRqwX-V7Uu6Y7MdSCaIfsxc561QI0U0Tb&index=8 .

请告诉我在这个问题和这段代码上我需要改进什么。

Answer 1

第一个索引表示行。但是你迭代到 c.cols。第二个索引是列。但是你迭代到 c.rows。只是交换它们。

Answer 2

您交换了行和列。

构造函数中的第一个参数是行，第二个参数是列：

Matrix c = new Matrix(rows,b.cols);

并且由于矩阵是行主序矩阵，控制变量i必须运行从= 0到< c.rows和控制变量j 从 = 0 到 < c.cols:

for(int i=0; i< c.rows; i++){
    for(int j=0; j< c.cols; j++){
        for(int k=0; k< rows; k++){
            c.matrix[i][j] = c.matrix[i][j] + matrix[i][k] * b.matrix[k][j]; 
        }
    }
}

Java/Processing 如何用点积做矩阵乘法

Java/Processing how to do Matrix Multipication with the dot product

java

processing

matrix

linear-algebra