【Numpy基础】矩阵数组相乘
# 矩阵乘以数组
A = np.array([[1,2],[3,4],[5,6]])
A.shape # (3, 2)
B = np.array([7,8])
B.shape # (2,)
A.dot(B) # array([23, 53, 83])
B这个一维数组会被当成列向量使用。
反过来，一维数组在前，矩阵在后的情况如下：
X = np.array([1,2])
X.shape # (2,)
W = np.array([[1,3,5],[2,4,6]])
W.shape #（2，3）
np.dot(X,W) # array([ 5, 11, 17])
一维数组在前，会被当做行向量使用。
同时，这里很值得注意的是，用多维数组实现神经网络时，开头输入的是一个一维数组，进行一次计算后输出结果也是一个一维数组，只不过这个一维数组的大小和神经元的数量是一样的。那么，再往后推演，道理是一样的，相当于同样的过程一直向后。
即，再加一层，也相当于一个一维数组和它进行矩阵计算。
END.