在神经网络的前向传播中，计算权重和输入之间的点积时，哪一种方法在先？方法1）还是方法2）？

1) Weight.dot(Input) + Bias

2) Input.dot(Weight) + Bias

我见过这两种方法。我感到困惑。

回答：

这两种方法的区别在于点积中权重和输入的顺序。然而，点积操作的交换性表明顺序并不重要；无论顺序如何，结果都是相同的。

尽管如此，我最熟悉的是Weight.dot(Input) + Bias。

从数学的角度来看，你可能会认为Weight.dot(Input)是首选方法，因为权重被视为系数，因此首先出现最符合逻辑。

从编程的角度来看，这将在很大程度上取决于实现；可能更倾向于在输入对象上调用dot()方法，而不是在权重上。

请注意，点积与矩阵乘法不同。正如你所指出的，矩阵乘法不一定具有交换性。我主要使用的库Tensorflow，使用tf.matmul()来实现矩阵乘法。在提供的神经网络实现中，权重总是作为第二个参数使用，这表明在这种情况下，第二种方法可能是首选。