深度学习入门 : 基于Python的理论与实现

  第 3章　神经网络

56

(2, 3)

>>> Y = np.dot(X, W)

>>> print(Y)

[ 5 11 17]

如上所示，使用

np.dot

（多维数组的点积），可以一次性计算出

Y

的结果。

这意味着，即便

Y

的元素个数为

100

或

1000

，也可以通过一次运算就计算出

结果！如果不使用

np.dot

，就必须单独计算

Y

的每一个元素（或者说必须使

用

for

语句），非常麻烦。因此，通过矩阵的乘积一次性完成计算的技巧，在

实现的层面上可以说是非常重要的。

3.4

3层神经网络的实现

现在我们来进行神经网络的实现。这里我们以图3

-

15 的3 层神经网络为

对象，实现从输入到输出的（前向）处理。在代码实现方面，使用上一节介

绍的

NumPy

多维数组。巧妙地使用

NumPy

数组，可以用很少的代码完成

神经网络的前向处理。

图3-15　 3 层神经网络：输入层（第 0 层）有 2 个神经元，第 1 个隐藏层（第 1 层）有 3 个神经元，

第2 个隐藏层（第2 层）有 2 个神经元，输出层（第3 层）有 2 个神经元

x

1

x

2

y

1

y

2