Tu as un vecteur d'entrée $\mathbf{x} \in \mathbb{R}^{784}$ — une image MNIST aplatie. La première couche de ton réseau produit $\mathbf{h} = \mathbf{W}\mathbf{x} + \mathbf{b}$, où est une matrice de poids . En une seule opération, cette matrice transforme 784 nombres en 256 nombres. Mais que fait-elle ? Elle , et l'espace d'entrée vers un nouvel espace. Comprendre les matrices, c'est comprendre ce que chaque couche fait réellement aux données.