我正在尝试从头开始创建自己的网络（不使用像keras或tensorflow这样的库），以便更好地理解机器学习和神经网络。我遇到了一个问题，当使用具有特定层配置的网络时，梯度下降不能正常工作。每层的值是各自权重集的导数，这些导数相乘将输入端的权重链式连接到输出端，但层与层之间相乘时却不起作用。例如，一个具有2个输入神经元、3个隐藏神经元和1个输出神经元的神经网络，连接输入和隐藏层的权重集与成本之间的导数肯定包括导数的乘法（每层存储的值），以便将权重链式连接到输出端。

这是完整的代码：（尝试输入[[3,1,None],[2,None,None],[1,None,None]]作为变量network以重现错误）

...

是我的理解错误还是我的代码有问题？

回答：

问题在于你没有考虑到当网络有一个隐藏层时，一层可能会以多种方式影响下一层。尝试在不同层之间有多于一个连接时使用np.dot。