输入矩阵的神经网络大小与突触矩阵的大小

Question

我正在以下位置研究代码示例：11行Python中的神经网络

在第22行中，我是否正确理解syn0是具有3行4列的矩阵？如果是这样，为什么？在第9-11行中创建的X矩阵的大小为4x3，因此我希望第22行中的syn0与ALSO的大小相同，因此X中的每个值都可以乘以syn0中的权重值。我最好的猜测是：我们希望将X（一个4x3矩阵）乘以syn0（一个3x4矩阵），而不必进行转置，因此下面的代码使我们免于转置。我想念什么？这是代码，后面是一个可能会提供线索的表：

    01.import numpy as np
    02. 
    03.def nonlin(x,deriv=False):
    04.  if(deriv==True):
    05.    return x*(1-x)
    06. 
    07.  return 1/(1+np.exp(-x))
    08. 
    09.X = np.array([[0,0,1],
    10.             [0,1,1],
    11.             [1,0,1],
    12.             [1,1,1]])
    13. 
    14.y = np.array([[0],
    15.             [1],
    16.             [1],
    17.             [0]])
    18. 
    19.np.random.seed(1)
    20. 
    21.# randomly initialize our weights with mean 0
    22.syn0 = 2*np.random.random((3,4)) - 1
    23.syn1 = 2*np.random.random((4,1)) - 1

为什么此表（随附代码）显示第1层的4x4隐藏权重矩阵？？

输入（l0）隐藏权重（l1）输出（l2） 0 0 1 0.1 0.2 0.5 0.2 0 0 1 1 0.2 0.6 0.7 0.1 1 1 0 1 0.3 0.2 0.3 0.9 1 1 1 1 0.2 0.1 0.3 0.8 0 谢谢您的帮助，大卫