为什么形状不对齐？

Question

我一直在试验基本的神经网络，并且我在网上发现了一些python代码。但是，当我尝试向网络添加2个隐藏层时，我收到一个错误：

文件“python”，第30行，在 ValueError：形状（6,4）和（1,4）未对齐：4（dim 1）！= 1

有人可以请解释这个问题是什么？我无法在任何地方找到明确的解释。谢谢！

代码：

import numpy as np 

def nonlin(x,deriv=False): 
    if(deriv==True): 
    return x*(1-x) 
    return 1/(1+np.exp(-x)) 

X = np.array([[1,0,1], 
      [0,1,0], 
      [1,1,0], 
      [0,0,0], 
      [0,0,1], 
      [1,1,1]]) 
y = np.array([[1,1,0,1,0,1]]).T 
np.random.seed(1) 
syn0 = 2*np.random.random((3,4)) - 1 
syn1 = 2*np.random.random((4,5)) - 1 
syn2 = 2*np.random.random((5,4)) - 1 
syn3 = 2*np.random.random((4,1)) - 1 
for iter in range(100000): 
    l0 = X 
    l1 = nonlin(np.dot(l0,syn0)) 
    l2 = nonlin(np.dot(l1,syn1)) 
    l3 = nonlin(np.dot(l2,syn2)) 
    l4 = nonlin(np.dot(l3,syn3)) 

    l4_error = y - l4 
    l4_delta = l4_error*nonlin(l3,deriv=True) 

    l3_error = l4_delta.dot(syn3.T) 
    l3_delta = l3_error*nonlin(l3,deriv=True) 

    l2_error = l3_delta.dot(syn2.T) 
    l2_delta = l2_error*nonlin(l2,deriv=True) 

    l1_error = l2_delta.dot(syn1.T) 
    l1_delta = l1_error * nonlin(l1,deriv=True) 

    syn3 += l3.T.dot(l4_delta) 
    syn2 += l2.T.dot(l3_delta) 
    syn1 += l1.T.dot(l2_delta) 
    syn0 += l0.T.dot(l1_delta) 
print("Neural network trained:") 
while True: 
    l0 = np.array([[int(i) for i in input().split()]]) 
    l1 = nonlin(np.dot(l0,syn0)) 
    l2 = nonlin(np.dot(l1,syn1)) 
    l3 = nonlin(np.dot(l2,syn2)) 
    l4 = nonlin(np.dot(l3,syn3)) 
    print("Output:") 
    if l4[0][0] > 0.5: 
     print("Yes") 
    else: 
    print("No") 

Answer 1

X的形状是（3,6），以便10的形状是相同的，并且syn0的形状（3,4）。

因此，在第22行np.(dot0,syn0)他们已经不能点，并提出一个ValueError说形状不对齐。

你应该转置l0，使其形状成为（6,3），然后它们可以不是。

阅读numpy dot doc，在使用时numpy.dot(a, b, out=None)

the last axis of a and the second-to-last of b

需要被equal.Then可以矩阵乘法