Tengo esta red neuronal simple:

import numpy as np
 
class NeuralNetwork:
    def __init__(self):
        self.W1 = np.random.randn(2, 3)
        self.W2 = np.random.randn(3, 1)
 
    def sigmoid(self, x):
        return 1 / (1 + np.exp(-x))
 
    def sigmoid_deriv(self, x):
        return x * (1 - x)
 
    def mse(self, O, P):
        x = (P - O) ** 2
        x = np.mean(x)
        y = P - O
        return (x, y)
 
    def forward(self, I):
        self.Z1 = I @ self.W1
        self.A1 = self.sigmoid(self.Z1)
        self.Z2 = self.A1 @ self.W2
        self.A2 = self.sigmoid(self.Z2)
        return self.A2
 
    def backward(self, P, I, O):
        error = self.A2 - P
        D = [error * self.sigmoid_deriv(self.A2)]
 
        delta = np.random.randn(2, 3)
        D.append(delta)
 
        self.W2 = self.W2 + (-0.01 * self.A2.T.dot(D[0]))
        self.W1 = self.W1 + (-0.01 * self.A1.T.dot(D[1]))
 
    def train(self, I, P):
        O = self.forward(I)
        self.backward(P, I, O)
 
if __name__ == '__main__':
    NN = NeuralNetwork()
    I = np.array([[0, 1]])
    P = np.array([[1]])
    for i in range(1):
        NN.train(I, P)
    exit()

Cuando quiero calcular delta de W1, obtengo un error de dimensiones.

¿Que estoy haciendo mal?

Gracias de antemano por cualquier ayuda.