Learning Focus
学习目标
把每节内容压缩成可以直接执行的工程判断，阅读时优先看目标，再看代码。
Focus 01
神经网络中的输入、权重和输出都可以看作张量。
Focus 02
矩阵乘法要求维度匹配，调试时先打印 shape。
Focus 03
广播可以简化代码，但滥用会隐藏维度错误。
理解方式
先把概念放进完整系统中理解，再用最小代码或配置确认它如何工作。
- 它解决什么问题。
- 它依赖什么组件。
- 它失败时怎么处理。
示例
代码示例突出最小可理解片段，用来连接概念和工程实践。
import numpy as np
x = np.array([[1.0, 2.0, 3.0]])
w = np.array([[0.2], [0.4], [0.6]])
y = x @ w
print(y.shape, y)常见误区
- 只记配置项，不理解它在调用链路中的位置。
- 把示例代码直接搬进生产环境，没有补充超时、校验、日志和回退策略。
- 学习神经网络时只看框架 API，不检查输入输出形状和数据分布。
练习
给出一个输入维度为 4、输出维度为 3 的线性层权重矩阵形状。