矩阵的乘法（乘积或点积）

         矩阵的点积在神经网络里面很常见也很重要，所以相关的一些属性需要非常熟悉，比如形状(shape)，维度(ndim)

        两个数组能够做点积运算，需要查看形状对应的个数是否一致，不一致就会报错，比如2x3的形状和3x2的形状就可以，因为第一个矩阵的列和第二个矩阵的行的数量是一样的，点积之后的形状取决于第一个矩阵的行和第二个矩阵的列，具体点积的结果是怎么样的，如下图：

 只要符合上述条件，矩阵和一维数组也可以进行点积的运算

 

 另外softmax函数简单介绍下，比如获取一个输出神经元的值，其中分子是它的指数函数，分母是指数函数的和

因为指数函数值很大，很容易就发生溢出，经过变换，可以增加一个最大值最为一个常量来处理！

softmax函数的值区间是在0到1，还有一个特点就是输出的和是1，所以可以作为概率来使用

 

标签：指数函数,乘积,点积,矩阵,形状,softmax,比如,或点积,乘法
来源： https://blog.csdn.net/weixin_41896770/article/details/119141707