手动搭建ANN时遇NumPy矩阵点积维度不匹配错误求助

核心问题原因 #

np.dot要求第一个矩阵的列数等于第二个矩阵的行数才能执行矩阵乘法。你当前两个数组都是(4,2)，第一个数组的列数是2，第二个的行数是4，不满足匹配条件，因此触发报错。

具体解决方向 #

• 转置权重矩阵或训练数据：根据你的网络逻辑，转置其中一个矩阵来匹配维度。示例代码：

  # 若训练数据是(4,2)（4个样本，每个样本2个特征），转置现有权重矩阵适配
  output = np.dot(training, weights[0].T)
  # 或转置训练数据（若你的维度定义是特征在前）
  output = np.dot(training.T, weights[0])
  

• 修正权重矩阵的初始形状：输入层到隐藏层的权重矩阵形状应为(输入特征数, 隐藏层神经元数)。如果训练数据是(4,2)（4样本、2特征），权重矩阵不该是(4,2)，应调整为(2, 神经元数量)，此时直接执行np.dot(training, weights[0])就能得到(4, 神经元数量)的输出，符合前向传播逻辑。
• 分步打印维度验证：在运算前后打印各数组的形状，排查维度逻辑错误：

  print(f"training shape: {training.shape}")
  print(f"weights[0] shape: {weights[0].shape}")
  print(f"weights[0].T shape: {weights[0].T.shape}")
  

• 使用@运算符简化矩阵乘法：@是Python原生矩阵乘法运算符，和np.dot逻辑一致，但写法更直观，能减少维度混淆：

  result = training @ weights[0].T
  

内容的提问来源于stack exchange，提问作者TiltedGamer