NumPy的异常形状行为

Question

我一直在尝试在numpy中编写一个2层NN。在它上面，我发现了矩阵w0在进入循环时如何改变形状的奇怪行为。w0的形状是(3,1)，X的形状是(4,3)。结果必须是(4,1)，但当程序进入循环时，w0变为(4,4)。在循环之外，它工作得很好。同样，当我使用np.dot(X,w0)时会发生这种情况，但当我使用np.dot(w0.T,X.T)时效果很好。代码如下：

def sigmoid(x, deriv=False):
    if deriv == True:
        return x*(1-x)
    return 1/(1+np.exp(-x))

    X = np.array([[0,0,1],
              [0,1,1],
              [1,0,1],
              [1,1,1]])

    y = np.array([0,0,1,1]).T

    w0 = np.random.normal(0,0.1,(3,1))
    w0.shape


    for iter in range(10000):
      #forward propagation
      #l0 = X
      multiply = np.dot(X,w0)
      if iter == 1: print(multiply.shape)


      l1 = sigmoid(multiply)
      if iter == 1:
          print(w0)
          print(multiply.shape)
          print(X.shape)
          print(w0.shape)
          print(l1.shape)

      #Calculating error:
      error = y-l1
      if iter == 1: print(error.shape)

      #Backpropagating for update
      d_l1 = error*sigmoid(l1, True)
      if iter == 1: print(d_l1.shape)

      #Update weights : Shape -- (4*3).T * (4*1) = (3*1)
      w0 = w0 + np.dot(np.transpose(X), d_l1.T) 

print ('Results after training:')
print (l1)