标签：一个 矩阵 size 技术分享 width 假设 权重 作用 拉伸
得分函数：
将图片拉伸成一个一维矩阵x，也就是3072×1，最后要得出10个分类的得分值也就是10×1，那w就得是10×3072的矩阵，也就是10组3072个特征的权重值，乘以x，加上b，得到的一个10×1的矩阵，这个矩阵就是最终的每个分类的得分值。
假设将图像分为2×2个像素点，最后又3中类型，那么图像可以被拉伸为4×1的矩阵，最后的结果是3×1的矩阵，那么权重W只能是4×3的矩阵了
也就是说有3组权重参数，每组参数中有4个特征的权重，这里的3组权重参数对应于最后要分类的3个类别，4个特征的权重代表每个特征所占的该类别的重要性（其中负值表示起到了反作用）。
这个例子中，最后得到狗的得分值最高。当然这只是个例子，不代表普遍性。
--------------------------2018年10月14日02:52:49--睡觉---------------------------------------
?
标签：一个 矩阵 size 技术分享 width 假设 权重 作用 拉伸
原文地址：https://www.cnblogs.com/Mjerry/p/9785024.html
