手动完成简单的神经网络（三层）

╰半夏微凉° 2023-07-09 05:22 5阅读 0赞

import numpy as np
    def sigmoid (x,deriv=False):
        if (deriv==True):#反向传播.x=sigmoid(x)
            return x*(1-x)
        return 1/(1+np.exp(-x))

# 输入数据
    x=np.array([[0,0,1],
              [0,1,1],
              [1,0,1],
              [1,1,1],
              [0,0,1]])
    print(x.shape)

![在这里插入图片描述][20200227220300215.png]

# label
    y=np.array([[0],
               [1],
               [1],
               [0],
               [0]])
    print(y.shape)

![在这里插入图片描述][20200227220319163.png]

np.random.seed(1)

# 3对应5，3 ；4代表l0有几个神经元
    # 让取值再-1~+1之间
    w0=2*np.random.random((3,4))-1
    # 直接输出分类，只有一个分类
    w1=np.random.random((4,1))
    print(w0)

![在这里插入图片描述][2020022722034944.png]

```python
    for j in range(60000):
        # 前向传播
        l0=x
        # 后面还有一个激活函数层
        l1=sigmoid(np.dot(l0,w0))
        l2=sigmoid(np.dot(l1,w1))
        l2_error=y-l2
        # print(l2_error.shape)
        if (j%10000)==0:
            print('Error'+str(np.mean(np.abs(l2_error))))
            
        # 反向传播
        l2_delta=l2_error*sigmoid(l2,deriv=True)# *对应元素相乘
        # print(sigmoid(l2,deriv=True).shape)
        l1_error=l2_delta.dot(w1.T)
        # print(l2_delta.shape)
        l1_delta=l1_error*sigmoid(l1,deriv=True)
        
        # 更新w0,w1
        w1+=l1.T.dot(l2_delta)
        w0+=l0.T.dot(l1_delta)

![在这里插入图片描述][20200227220549558.png]

[20200227220300215.png]: https://img-blog.csdnimg.cn/20200227220300215.png
[20200227220319163.png]: https://img-blog.csdnimg.cn/20200227220319163.png
[2020022722034944.png]: https://img-blog.csdnimg.cn/2020022722034944.png
[20200227220549558.png]: https://img-blog.csdnimg.cn/20200227220549558.png