权重和输入的点积
dot product of weight and input
我在看初级ML的书，貌似大家都写了
output = np.dot(inputs, np.array(weights).T) + biases
我觉得很尴尬，因为等式是 y = wx + b，而不是 y = xw + b。一个变量写在它的系数之后。
output = np.dot(weights, np.array(inputs).T) + np.array([biases]).T
为什么不是这个？这是有原因的吗？或者只是一个惯例？
这是作者采纳的惯例。
甚至变量（它们的维度）的初始化方式也是导致这种情况的另一种约定。
这两种方式都是可以接受的，并且只要您正确实施它们都是正确的，即满足等式的目标。
我在看初级ML的书，貌似大家都写了
output = np.dot(inputs, np.array(weights).T) + biases
我觉得很尴尬，因为等式是 y = wx + b，而不是 y = xw + b。一个变量写在它的系数之后。
output = np.dot(weights, np.array(inputs).T) + np.array([biases]).T
为什么不是这个？这是有原因的吗？或者只是一个惯例？
这是作者采纳的惯例。 甚至变量（它们的维度）的初始化方式也是导致这种情况的另一种约定。
这两种方式都是可以接受的，并且只要您正确实施它们都是正确的，即满足等式的目标。