c++中的神经网络输出

Question

我想创建一个计算神经网络输出的函数。我的神经网络的元素 是一个 19D 输入向量和一个 19D 输出向量。我选择了一个有 50 个神经元的隐藏层。我的代码如下，但我不太确定它是否正常工作。

double *BuildPlanner::neural_tactics(){


    norm();  //normalize input vector
    ReadFromFile();   // load weights W1 W2 b1

    double hiddenLayer [50][1];


    for(int h=0; h<50; h++){
            hiddenLayer[h][0] =0;
            for(int f = 0; f < 19; f++){

                    hiddenLayer[h][0] = hiddenLayer[h][0] + W1[h][f]*input1[f][0];
            }
    }

    double HiddenLayer[50][1];

    for(int h=0; h<50; h++){
            HiddenLayer[h][0] = tanh(hiddenLayer[h][0] + b1[h][0]);
    }

    double outputLayer[50][1];

    for(int h=0; h<19; h++){
            for(int k=0; k<50; k++){
                    outputLayer[h][0] = outputLayer[h][0] + W2[h][k]*HiddenLayer[k][0];
            }
    }

    double Output[19];

    for(int h=0; h<19; h++){

            Output[h] = tanh(outputLayer[h][0]);
    }

    return Output;
}

实际上我不太确定矩阵乘法。 W1*input+b1 其中大小 矩阵是 50x19 * 19x1 + 50x1 和 W2*outHiddenLayer 19x50*50x1！

Answer 1

你的矩阵乘法对我来说看起来不错，但还有其他问题——`outputLayer 是 50x1，但是 a) 你只遍历前 19 个元素，b) 你在方程的 RHS 上有它

outputLayer[h][0] = outputLayer[h][0] + W2[h][k]...

在该元素被定义之前。这可能会导致你所有的问题。此外，虽然我假设您正在制作 outputLayer 二维以使它们看起来像矩阵，但当第二维的大小为 1 时，它完全是无偿的并且会减慢速度——只需将其声明为，其他维度为

double outputLayer[50];

因为它是一个向量并且它们总是一维的，所以它实际上会让你的代码更清晰。