这些维度在神经网络中代表什么？

Question

我正在关注Andrew Ng关于深度学习的课程。在一个使用SIGN数据集的编程任务中。据我所知，每个图像都是由64 x 64像素的宽度和高度，以及另一个3维的像素组成，与RGB通道相对应。

据作者说，它的价值：

n_x=num_px * num_px = 64 * 64 * 3 = 12288

，并具有以下数据：

number of training examples = 1080
number of test examples = 120
X_train shape: (12288, 1080)
Y_train shape: (6, 1080)

我不了解的部分是作者初始化权重时，他说W1（权重的数组）的形状是：

W1 : [25, 12288]

这部分我不明白，为什么将25作为行数？我知道列数与n_x的公式相对应，但是这25等于它所指的是什么？隐藏层中的神经元数量是多少？

谢谢

Answer 1

这看起来像12288是输入节点的数量，25是隐藏层中的节点数量。

因此，权重的数量应为= {25 * 12288（第（i）层中的每个节点都连接到第（i + 1）层中的每个节点），因此权重的大小为矩阵。