선형층 Forward

신경망의 가장 기본 블록. 입력 특성을 선형 변환한 뒤 bias 를 더합니다:

$\mathbf{y}_i = \mathbf{x}_i W + \mathbf{b}$

배치 형태로는 행렬 곱 한 번:

$Y = X W + \mathbf{b}$

Shape:

• X: (N, D_in) — N개 샘플, 각 D_in 차원.
• W: (D_in, D_out).
• b: (D_out,) — 브로드캐스팅으로 각 행에 더해짐.
• Y: (N, D_out).

과제

함수 linear_forward(X, W, b) 를 완성하세요.

• X @ W + b 한 줄.

테스트 케이스

#	이름	검증
1	shape (N, D_out)
2	b 브로드캐스팅	각 행에 동일 b 더해짐
3	0 행렬 + b → b	브로드캐스트 결과
4	선형성 (b=0)	f(αx) = α·f(x)
5	알려진 값	손계산