我是神经网络的新手。我有一个包含1000个样本的训练数据集，每个样本包含5个特征。

最初，我为权重提供了一些初始值。

那么，是否为每个样本存储了1000个与之相关的权重值，还是所有1000个样本的权重值保持相同？

例如：

example1 => [f1,f2,f3,f4,f5] -> [w1e1,w2e1,w3e1,w4e1,w5e1]example2 => [f1,f2,f3,f4,f5] -> [w1e2,w2e2,w3e2,w4e2,w5e2]

这里 w1 表示第一个权重，而 e1 和 e2 表示不同的样本。

or example1,example2,... -> [gw1,gw2,gw3,gw4,gw5]

这里 g 表示全局，w1 表示第一个特征的权重，依此类推。

回答：

从神经网络中的单个节点开始。其输出是应用于输入的线性组合的 sigmoid 函数，如下所示。

因此，对于5个特征，你将为神经网络的每个节点拥有5个权重 + 1个偏置。在训练过程中，一批输入被输入，计算神经网络末端的输出，根据实际输出计算误差，并基于误差反向传播梯度。简单来说，权重是根据误差进行调整的。

因此，每个节点有6个权重，根据节点数量（这取决于层数和层的大小）你可以计算权重的数量。所有权重在每批次更新一次（因为你在进行批量训练）。