深度学习和参数相乘，矩阵维度不一致

Question

目前在看深度学习入门（基于Python）这本书，运行的是里面的示例代码。 在训练完成模型后，对手写数字测试集取单一图片进行预测。在预测的时候，用到了y = Wx + b。wx是矩阵相乘，但是现在有3个W，3个b,上一次的输出的维度不能和下一个W的维度对应，是我哪方面有问题吗，欢迎各位指教

img = x_train[0].reshape(1,1,28,28)
x = im2col(img, 5, 5)  # (48400, 25)

def predict(network, x):
    W1, W2, W3 = network['W1'], network['W2'], network["W3"]  # (30, 1, 5, 5)(363000, 100)(100, 2)
    b1, b2, b3 = network['b1'], network['b2'], network['b3']  # (30,)(100, )(2, )
    col_W1 = W1.reshape(30, -1).T  # (25, 30)
    # print(x.shape, col_W1.shape)
    a1 = np.dot(x, col_W1) + b1
    z1 = sigmoid(a1)  # (48400,30)
    # 运行这里时候  (48400,30) * (363000, 100) 我应该怎么办？变形或者什么？
    a2 = np.dot(z1, W2) + b2
    z2 = sigmoid(a2)
    a3 = np.dot(z2, W3) + b3
    y = softmax(a3)
    return y

Answer 1

将图片按照你的模型流程走啊，走到了参数这里不就是可以相乘了。不然不知道你这些参数维度含义，直接扩展维度相乘，但是结果没意义