c++ - C++中的神经网络输出

我想创建一个计算神经网络输出的函数。我的NN的要素
是19D输入向量和19D输出向量。我选择一个具有50个神经元的隐藏层。我的代码如下，但是我不确定它是否正常工作。

double *BuildPlanner::neural_tactics(){


    norm();  //normalize input vector
    ReadFromFile();   // load weights W1 W2 b1

    double hiddenLayer [50][1];


    for(int h=0; h<50; h++){
            hiddenLayer[h][0] =0;
            for(int f = 0; f < 19; f++){

                    hiddenLayer[h][0] = hiddenLayer[h][0] + W1[h][f]*input1[f][0];
            }
    }

    double HiddenLayer[50][1];

    for(int h=0; h<50; h++){
            HiddenLayer[h][0] = tanh(hiddenLayer[h][0] + b1[h][0]);
    }

    double outputLayer[50][1];

    for(int h=0; h<19; h++){
            for(int k=0; k<50; k++){
                    outputLayer[h][0] = outputLayer[h][0] + W2[h][k]*HiddenLayer[k][0];
            }
    }

    double Output[19];

    for(int h=0; h<19; h++){

            Output[h] = tanh(outputLayer[h][0]);
    }

    return Output;
}

实际上，我不太确定矩阵乘法。 W1 * input + b1的大小
矩阵的50x19 * 19x1 + 50x1和W2 * outHiddenLayer 19x50 * 50x1！

最佳答案

您的矩阵乘法在我看来还可以，但是还有其他问题-`outputLayer为50x1，但是a）您仅迭代前19个元素，b）在方程的RHS中使用它

outputLayer[h][0] = outputLayer[h][0] + W2[h][k]...

在定义该元素之前。那可能会导致您所有的问题。此外，尽管我假设您正在制作outputLayer二维以使它们看起来像矩阵，但是当第二维的大小为1时，它是完全免费的，并且放慢了速度-只需声明它，其他维为

double outputLayer[50];

因为它是一个向量，并且始终都是一维的，所以实际上可以使您的代码更清晰。