用一个微型神经网络理解线性代数
通过 NumPy 示例和交互式探索器，逐步追踪两层网络中的每个形状、偏置、激活和秩变化。
标签
#neural-networks
3篇文章使用此标签.
仿射空间如何解释偏置与决策边界
观察平移如何移动一条直线而不改变方向，并了解神经网络层中的偏置为何能让分类边界离开原点。
面向 AI 的矩阵：读取行、列与神经网络形状
学习读取矩阵的维度和元素，将行与列映射到全连接层的作用，并在 NumPy 中发现形状或索引错误。
标签
3篇文章使用此标签.
通过 NumPy 示例和交互式探索器，逐步追踪两层网络中的每个形状、偏置、激活和秩变化。
观察平移如何移动一条直线而不改变方向，并了解神经网络层中的偏置为何能让分类边界离开原点。
学习读取矩阵的维度和元素，将行与列映射到全连接层的作用，并在 NumPy 中发现形状或索引错误。