我在神经网络向前传播中多次见过，示例向量从左侧(vector-matrix(乘以示例向量，有时是从右侧(矩阵-vector(乘以。符号，我发现的一些张量流教程和数据集似乎比后者更喜欢前者，这与线性代数倾向于教授线性代数的方式(矩阵向量方式(。
此外，它们表示代表参数的倒置方式：列举维度0中的问题变量或在维度0中列举神经元。
这使我感到困惑，让我想知道这里是否确实有一个标准，还是只是巧合。如果有的话，我想知道标准是否遵循一些更深的原因。我会感觉更好地回答这个问题。
(顺便说一句，我知道您通常会使用示例矩阵而不是向量(或Conv Nets中更复杂的事物等(。
不确定此答案是否是您想要的，但是在TensorFlow的背景下，标准是使用密集层(https://www.tensorflow.org/api_docs/python/tf/layers/layers(是一个更高级别的抽象，结合了您所引用的仿射转换逻辑。