本文主要介紹了Python利用numpy實現三層神經網絡的示例代碼，分享給大家，具體如下：
其實神經網絡很好實現，稍微有點基礎的基本都可以實現出來.主要都是利用上面這個公式來做的。
這是神經網絡的整體框架，一共是三層，分為輸入層，隱藏層，輸出層。現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)
def sigmod(x):
return 1/(1 + np.exp(-x))
Z1 = sigmod(A1)
Z1
#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)
A2 = np.dot(Z1,w2) + b2
A2
#定義恒等函數
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
將上面的整合一下
#整理
#定義一個字典，將權重全部放入字典
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，導入權重與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
#調用函數
network = init_network()
X = np.array([1.0,0.5])
Y = forward(network,X)
到此這篇關于Python利用numpy實現三層神經網絡的示例代碼的文章就介紹到這了,更多相關numpy三層神經網絡內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Numpy實現卷積神經網絡(CNN)的示例
- numpy實現神經網絡反向傳播算法的步驟
- 純用NumPy實現神經網絡的示例代碼
- Python使用numpy實現BP神經網絡
- Python基于numpy靈活定義神經網絡結構的方法
- numpy創建神經網絡框架
