numpy三层神经网络 Python利用numpy实现三层神经网络的代码实例
大呼啦 人气:0想了解Python利用numpy实现三层神经网络的代码实例的相关内容吗,大呼啦在本文为您仔细讲解numpy三层神经网络的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:numpy三层神经网络,numpy,神经网络,下面大家一起来学习吧。
本文主要介绍了Python利用numpy实现三层神经网络的示例代码,分享给大家,具体如下:
其实神经网络很好实现,稍微有点基础的基本都可以实现出来.主要都是利用上面这个公式来做的。
这是神经网络的整体框架,一共是三层,分为输入层,隐藏层,输出层。现在我们先来讲解下从输出层到到第一个隐藏层。
使用的编译器是jupyter notebook
import numpy as np #定义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]) #查看他们的形状 print(X.shape) print(w1.shape) print(b1.shape)
#求点积 np.dot(X,w1)
def sigmod(x): return 1/(1 + np.exp(-x)) Z1 = sigmod(A1) Z1
#定义w2,b2 w2 = np.array([[0.1,0.4],[0.2,0.5],[0.3,0.6]]) b2 = np.array([0.1,0.2]) #查看他们的行状 print(w2.shape) print(b2.shape)
A2 = np.dot(Z1,w2) + b2 A2
Z2 = sigmod(A2) Z2
#定义恒等函数 def identity_function(x): return x #定义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
将上面的整合一下
#整理 #定义一个字典,将权重全部放入字典 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
#定义函数,导入权重与x,得到Y 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
#调用函数 network = init_network() X = np.array([1.0,0.5]) Y = forward(network,X)
加载全部内容