El procedimiento de inicialización de la matriz de bias es incluso más sencillo, pues el único factor a considerar es el número de neuronas de cada capa. Nuevamente, solo deberemos considerar las capas con índice 1 o superior (excluyendo la capa de entrada):
sizes = [2, 3, 1]
biases = [np.random.randn(num_neuronas_capa, 1) for num_neuronas_capa in sizes[1:]]
biases
[array([[ 0.60335836],
[-0.98309792],
[-1.68784071]]),
array([[0.27872999]])]
En este ejemplo seguimos suponiendo que la variable sizes toma el valor [2, 3, 1] y comprobamos que el resultado de la list comprehension es una lista con dos valores: el primero es una matriz formada por una única columna y tres filas (por las tres neuronas de la capa oculta) y el segundo una matriz formada por una única columna y una fila (por la única neurona que hay en la capa de salida).
