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
#numpy
5篇文章使用此标签.
AI 中的数值求解：使用 solve，避免显式求逆
使用 NumPy 求解 AI 参数恢复系统，再通过残差、条件数和奇异性检查判断答案是否可信。
AI 中的矩阵与向量乘积：全连接层计算的两种视角
按行和按列计算矩阵与向量的乘积，在 NumPy 中实现两种方法，并排查全连接层的形状和运算符错误。
向量作为 AI 数据：特征如何把文档变成数字
学习读取行向量和列向量，手动并用 NumPy 构建文档特征向量，并发现形状或特征顺序错误。
面向 AI 的求和记号：损失如何变成一个训练目标
学习求和与乘积记号，将上下界展开为循环，并使用 NumPy 的求和与平均把逐样本误差变成均方误差目标。