밑바닥부터 시작하는 딥러닝

82

밑바닥부터 시작하는 딥러닝

3.3.3

신경망의 내적

그럼 넘파이 행렬을 써서 신경망을 구현해보겠습니다. 이번 예에서는 [그림

3

-

14

]의 간단한

신경망을 가정해보죠. 이 신경망은 편향과 활성화 함수를 생략하고 가중치만 갖습니다.

그림

3-14

행렬의 곱으로 신경망의 계산을 수행한다.

일치

이 구현에서도

X

,

W

,

Y

의 형상을 주의해서 보세요. 특히

X

와

W

의 대응하는 차원의 원소 수

가 같아야 한다는 걸 잊지 말아야 합니다.

>>>

X

=

np

.

array

([

1

,

2

])

>>>

X

.

shape

(

2

,)

>>>

W

=

np

.

array

([[

1

,

3

,

5

],

[

2

,

4

,

6

]])

>>>

print

(

W

)

[[

1 3 5

]

[

2 4 6

]]

>>>

W

.

shape

(

2

,

3

)

>>>

Y

=

np

.

dot

(

X

,

W

)

>>>

print

(

Y

)

[

5 11 17

]

다차원 배열의 내적을 구해주는

np

.

dot

함수를 사용하면 이처럼 단번에 결과

Y

를 계산할

수 있습니다.

Y

의 원소가

100

개든

1

,

000

개든 한 번의 연산으로 계산할 수 있습니다! 만약

np

.

dot

을 사용하지 않으면

Y

의 원소를 하나씩 따져봐야 합니다 (또는

for

문을 사용해서 계산

해야 하는데, 굉장히 귀찮겠지요). 그래서 행렬의 내적으로 한꺼번에 계산해주는 기능은 신경

망을 구현할 때 매우 중요하다고 말할 수 있습니다.