Python进行时：一个简单的神经网络实现及代码详解

神经网络是深度学习的基础，所以我认为，学习深度学习有两大基石，即：学好神经网络理论，学好实现理论的利器——Python。

一篇很好的文章，用Python编写了简单的BP神经网络，并几乎将所有代码解释了一遍。原文链接如下：http://python.jobbole.com/82758/

我在研究之后，自己试着重复那段程序，经过思考，终于理解了。下面是我在eclipse下编写的代码：

#-*-coding:utf-8 -*-
import numpy as np
#首先创建sigmoid函数
def nonlin(x,deriv=False):
    if deriv==True:
        return x*(1-x)
    return 1/(1+np.exp(-x))

#然后创建x和y
x=np.array([[1,0,0],
            [0,0,1],
            [0,1,0],
            [1,0,1]
    ])
y=np.array([[1,0,0,1]]).T

#创建syn0，为权重矩阵。随机生成，注意控制其范围在-1到1
syn0=2*np.random.random([3,1])-1

#训练网络，开始循环。根据差别修改权重矩阵-更新l0层数据-循环n次
for i in xrange(1000):
    #网络有两层，l0和l1.
    l0=x
    l1=nonlin(np.