我試圖了解反向傳播在數學上是如何工作的，并希望在 python 中使用 numpy 實現它。我使用帶有一個隱藏層的前饋神經網絡進行計算，sigmoid 作為激活函數，均方誤差作為誤差函數。這是我計算結果的截圖，問題是有一堆矩陣，我不能把它們完全相乘，因為它們沒有相同的維度。（截圖中L是輸出層，L-1是隱藏層，L-2是輸入層，W是權重，E是誤差函數，小寫A是激活值）（代碼中第一層有28*28個節點，【因為我使用0-9位的MNIST數據庫作為訓練數據】，隱藏層15個節點，輸出層10個節點）。# ho stands for hidden_output# ih stands for input_hiddendef train(self, input_, target):    self.input_ = input_    self.output = self.feedforward(self.input_)    # Derivative of error with respect to weight between output layer and hidden layer    delta_ho = (self.output - target) * sigmoid(np.dot(self.weights_ho, self.hidden), True)) * self.hidden    # Derivative of error with respect to weight between input layer and hidden layer    delta_ih = (self.output - target) * sigmoid(np.dot(self.weights_ho, self.hidden), True)) * self.weights_ho * sigmoid(np.dot(self.weights_ih, self.input_), True) * self.input_    # Adjust weights    self.weights_ho -= delta_ho    self.weights_ih -= delta_ih在delta_ho = ...線，矩陣的尺寸（10× - 10×）*（10×）*（1×15）讓我怎么計算呢？謝謝你的幫助！