我多次在神经网络前向传播中看到，示例向量从左侧（向量矩阵）乘以某些时间从右侧（矩阵向量）乘以。符号，一些Tensorflow教程和我发现的数据集似乎比后者更喜欢前者，这与线性代数倾向于被教导的方式相反（矩阵向量方式）。
此外，它们表示反向表示参数的方式：枚举0维中的问题变量或枚举维度为0的神经元。
这让我感到困惑，让我想知道这里是否真的有标准，或者只是巧合。如果有的话，我想知道该标准是否有更深层次的原因。我觉得回答这个问题真的很好。
（顺便说一句，我知道你通常会使用示例矩阵而不是矢量[或者更复杂的东西在转换网中等等]因为使用了minibatches，但这一点仍然存在。）
答案 0 :(得分：0)
不确定这个答案是否符合您的要求，但在Tensorflow的上下文中，标准是使用密集层（https://www.tensorflow.org/api_docs/python/tf/layers/dense），这是一个包含仿射变换逻辑的更高级抽象你指的是。