欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python利用numpy實現(xiàn)三層神經(jīng)網(wǎng)絡的示例代碼

 更新時間:2021年04月27日 09:08:44   作者:大呼啦  
這篇文章主要介紹了Python利用numpy實現(xiàn)三層神經(jīng)網(wǎng)絡的示例代碼,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧

本文主要介紹了Python利用numpy實現(xiàn)三層神經(jīng)網(wǎng)絡的示例代碼,分享給大家,具體如下:

在這里插入圖片描述

其實神經(jīng)網(wǎng)絡很好實現(xiàn),稍微有點基礎的基本都可以實現(xiàn)出來.主要都是利用上面這個公式來做的。

在這里插入圖片描述

這是神經(jīng)網(wǎng)絡的整體框架,一共是三層,分為輸入層,隱藏層,輸出層。現(xiàn)在我們先來講解下從輸出層到到第一個隱藏層。

使用的編譯器是jupyter notebook

import numpy as np

#定義X,W1,B1
X = np.array([1.0, 0.5])
w1 = np.array([[0.1, 0.3, 0.5],[0.2, 0.4, 0.6]])
b1 = np.array([0.1, 0.2, 0.3])

#查看他們的形狀
print(X.shape)
print(w1.shape)
print(b1.shape)

在這里插入圖片描述

#求點積
np.dot(X,w1)

在這里插入圖片描述

def sigmod(x):
    return 1/(1 + np.exp(-x))
Z1 = sigmod(A1)
Z1

在這里插入圖片描述

#定義w2,b2
w2 = np.array([[0.1,0.4],[0.2,0.5],[0.3,0.6]])
b2 = np.array([0.1,0.2])

#查看他們的行狀
print(w2.shape)
print(b2.shape)

在這里插入圖片描述

A2 = np.dot(Z1,w2) + b2
A2

在這里插入圖片描述

Z2 = sigmod(A2)
Z2

在這里插入圖片描述

#定義恒等函數(shù)

def identity_function(x):
    return x

#定義w3,b3
w3 = np.array([[0.1,0.3],[0.2,0.4]])
b3 = np.array([0.1,0.2])

A3 = np.dot(Z2,w3) + b3
Y = identity_function(A3)
Y
    

在這里插入圖片描述

將上面的整合一下

#整理

#定義一個字典,將權(quán)重全部放入字典
def init_network():
    network = {}
    network['w1'] = np.array([[0.1,0.3,0.5],[0.2,0.4,0.6]])
    network['w2'] = np.array([[0.1,0.4],[0.2,0.5],[0.3,0.6]])
    network['w3'] = np.array([[0.1,0.3],[0.2,0.4]])
    network['b1'] = np.array([0.1, 0.2, 0.3])
    network['b2'] = np.array([0.1,0.2])
    network['b3'] = np.array([0.1,0.2])
    return network
#定義函數(shù),導入權(quán)重與x,得到Y(jié)

def forward(network,x):
    w1,w2,w3 = network['w1'],network['w2'],network['w3']
    b1,b2,b3 = network['b1'],network['b2'],network['b3']
    
    A1 = np.dot(x,w1) + b1
    A2 = np.dot(A1,w2) + b2
    A3 = np.dot(A2,w3) + b3
    Y = identity_function(A3)
    Y
#調(diào)用函數(shù)

network = init_network()
X = np.array([1.0,0.5])
Y = forward(network,X)

到此這篇關于Python利用numpy實現(xiàn)三層神經(jīng)網(wǎng)絡的示例代碼的文章就介紹到這了,更多相關numpy三層神經(jīng)網(wǎng)絡內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • 在Python中調(diào)用ggplot的三種方法

    在Python中調(diào)用ggplot的三種方法

    這篇文章主要介紹了在Python中調(diào)用ggplot的三種方法,ggplot作為一個圖形庫,經(jīng)常被用來制作數(shù)據(jù)的可視化視圖,需要的朋友可以參考下
    2015-04-04
  • PyQt5每天必學之創(chuàng)建窗口居中效果

    PyQt5每天必學之創(chuàng)建窗口居中效果

    這篇文章主要介紹了PyQt5每天必學之創(chuàng)建窗口居中效果,使應用程序窗口顯示在屏幕的中心,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-04-04
  • Pandas時間序列重采樣(resample)方法中closed、label的作用詳解

    Pandas時間序列重采樣(resample)方法中closed、label的作用詳解

    這篇文章主要介紹了Pandas時間序列重采樣(resample)方法中closed、label的作用詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2019-12-12
  • Python selenium爬取微博數(shù)據(jù)代碼實例

    Python selenium爬取微博數(shù)據(jù)代碼實例

    這篇文章主要介紹了Python selenium爬取微博數(shù)據(jù)代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-05-05
  • python3 hdf5文件 遍歷代碼

    python3 hdf5文件 遍歷代碼

    這篇文章主要介紹了python3 hdf5文件 遍歷代碼,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2021-05-05
  • Python3 JSON編碼解碼方法詳解

    Python3 JSON編碼解碼方法詳解

    這篇文章主要介紹了Python3 JSON編碼解碼方法詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2019-09-09
  • Python中re.compile函數(shù)的使用方法

    Python中re.compile函數(shù)的使用方法

    這篇文章主要介紹在python的re模塊中怎樣應用正則表達式,文中有相關的代碼示例,具有一定的參考價值,需要的朋友可以參考下
    2023-06-06
  • Python成功解決讀文件出現(xiàn):IOError:?[Errno?0]?Error的錯誤

    Python成功解決讀文件出現(xiàn):IOError:?[Errno?0]?Error的錯誤

    在Python編程中,處理文件是常見的任務之一,但偶爾也會遇到各種錯誤,包括IOError,盡管Python?3.x中IOError已被OSError和FileNotFoundError等更具體的異常所取代,由于[Errno?0]不直接指向具體的錯誤類型,我們將討論一系列可能導致IOError的常見情況,需要的朋友可以參考下
    2024-07-07
  • 簡述:我為什么選擇Python而不是Matlab和R語言

    簡述:我為什么選擇Python而不是Matlab和R語言

    這篇文章主要介紹了簡述:我為什么選擇Python而不是Matlab和R語言,具有一定參考價值,需要的朋友可以了解下。
    2017-11-11
  • python?中Mixin混入類的使用方法詳解

    python?中Mixin混入類的使用方法詳解

    這篇文章主要介紹了python?中Mixin混入類的使用方法詳解,Mixin?混入也可以說是編程模式,并不是什么新的語法,用好混入類可以使自己的代碼結(jié)構(gòu)清晰,功能明了,所以以后在設計類時要多考慮使用Mixin混入類的實現(xiàn)方式
    2022-07-07

最新評論