softmax回帰を使用してニューラルネットワークを作成しようとしています。私は、次の回帰式を使用しています:softmax回帰の実装
は、私が1000x100の入力を持っているとしましょう。言い換えれば、10x10の各次元の1000個の画像があるとします。今、画像がA、B、C、D、E、F、G、H、I、Jからの文字の画像で、これを予測しようとしているとしましょう。私のデザインは次のとおりです:100の入力(各画像)と10の出力を持つこと。
私は以下の疑問を持っています。分子がx^nの上付き文字であると仮定すると、w(w =重みは次元数が出力の数を表す10×100-10であり、100が入力の数を表す)の内積と、 x(単一のイメージ)またはすべてのイメージを組み合わせた(1000x100)?私はPythonでコーディングしているので、wとx^T(10x100 dot 100x1000)の積を計算すると、その指数をどのように作ることができるのか分かりません。私はnumpyを使用しています。私はこれらの行列の周りに指数として持ち上げる方法について心を抱いて苦労しています。
1)x^nは、前のレイヤからのすべてのノードの出力を表します。それは指数ではありません。 w_iは、softmax層におけるノードiの重みベクトルを表す。 2)ドットプロダクトは常に2つの同じサイズのベクトルで実行されます。 [こちらの実装はこちら](https://github.com/supersaiyanmode/Image-Orientation-Detector/blob/master/orient.py#L52)をご覧ください。 – SuperSaiyan