- 博客(11)
- 收藏
- 关注
RSS订阅原创 深度学习入门（基于python的理论与实现）-10神经网络(softmax函数)
假设输出层共有n个神经元，计算第k个神经元的输出为yk.softmax函数的分子是输入信号ak的指数函数，分母是所有输入信号的指数函数的和。用图表示softmax函数的话，softmax函数的输出通过箭头与所有输入信号相连，这是因为，输出层的各个神经元都受到所有输入信号的影响。soft函数特征：softmax函数的输出是0.0到1.0之间的实数。一般而言，神经网络只把输出值最大的神经元所对应的类别作为识别结果，并且即使使用softmax函数，输出值最大的神经元也不会改变。
2025-09-27 13:44:28
407
原创 深度学习入门（基于python的理论与实现）-09神经网络(3层神经网络的实现)
最后是第2层到输出层的信号传递（图3-20）。输出层的实现也和之前的 实现基本相同。不过，最后的激活函数和之前的隐藏层有所不同。隐藏层的加权和用a表示，被激活函数转换后的信号用z表示。此外，h()表示激活函数，这里采用sigmoid函数。输出层的激活函数用σ()表示，不同于隐 藏层的激活函数h()（σ读作sigma）（1）表示神经元的层号。
2025-09-19 15:54:39
123
原创 深度学习入门（基于python的理论与实现）-09神经网络(多维数组运算)
矩阵乘积可以通过np.dot(A,B)来实现。要注意的是，np.dot(A, B)和np.dot(B, A)的 值可能不一样。实现该神经网络时，要注意X、W、Y的形状，特别是X和W的对应 维度的元素个数是否一致，这一点很重要。注意矩阵A*B时：A的第1维的元素个数（列数） 必须和矩阵B的第0维的元素个数（行数）相等。运算结果的矩阵C的形状是由矩阵A的行数 和矩阵B的列数构成的。
2025-09-19 14:37:45
280
原创 深度学习入门（基于python的理论与实现）-08神经网络（ReLU函数）
【代码】深度学习入门（基于python的理论与实现）-08神经网络（ReLU函数）
2025-09-19 13:37:24
65
原创 深度学习入门（基于python的理论与实现）-07神经网络
图3-1中的网络一共由3层神经元构成，但实质上只有2层神经 元有权重，因此将其称为“2层网络”。中间层也称隐藏层。引入h(x)h(x)会将输入信号的总和转换为输出信号，这种函数称为y =h(a)a:输入信号和偏置的总和，然后用h()将a转换为y输出。
2025-09-19 13:16:41
140
原创 深度学习入门（基于python的理论与实现）-06多层感知机（multi-layered perceptron）
实际上，与门、或门是单层感知机，而异或门是2层感知机。叠加了多 层的感知机也称为多层感知机（multi-layered perceptron）。由一条曲线分割的空间称为非线性空间，由直线分割而成的空间称为线性空间。异或门的制作方法：组合前面已有的与门、与非门、或门。异或门： 只有x1和x2不相同，输出为1。感知机的绝妙之处在于它可以“叠加层”。感知机的局限性就在于他只能表示由一条。异或门的python实现。
2025-09-19 11:19:42
142
原创 深度学习入门（基于python的理论与实现）-05感知机（perceptron）
w1、w2是权重，权重越大，对应的信号的重要性越高，通过的信号就越大。图中⚪称为神经元或者节点，输入信号被送往神经元时，会分别乘以固定的权重（w1x1,w2x2）,神经元会计算传来的信号的总和，只有当这个总和超过某个界限值时，才会输出1.这也称为“神经元被激活”。要表示与非门，实际上就是将与门的参数值取反：(w1,w2,θ)=(-0.5,-0.5,-0.7)，就可以实现与非门。eg:(w1,w2,θ)=(0.5,0.5,0.7)时，且x1和x2同时为1，信号加权总和才会超过给定的阈值。
2025-09-18 20:38:54
497
原创 深度学习入门（基于python的理论与实现）-04python入门(matplotlib)
pyplot中还提供了显示图像的方法imshow()。另外，matplotlib.image模块的imread（）方法可以读入图形。matplotlib可以轻松地绘制图形地库，使用matplotlib可以轻松地绘制图形和实现数据地可视化。使用matplotlib地pyplot模块绘制图形，下面是sin函数曲线地例子。你可以通过设置不同的参数来控制线条的样式、颜色和标记。以上三节为实深度学习（神经网络）所需要的编程知识。在Matplotlib中，
2025-09-18 19:17:59
101
原创 深度学习入门（基于python的理论与实现）-03python入门
数学上将一维数组称为向量，二维数组称为矩阵。可将一般化之后的向量或矩阵等统称为张量（tensor）。三维数组及以上称为张量或多维数组。注意必须两个数组之间元素个数相同，否则会报错。这种运算叫element-wise（对应元素的）numpy对数据的处理主要通过c或c++实现的，在不损失性能情况下，使用python语法。在深度学习的实现中，需要使用NumPy的数组类（numpy.array）,提供的方法。numpy是外部库，不包含在标准python 中，需要导入NumPy库。广播（不同形状数组之间的运算）
2025-09-18 16:59:14
165
原创 深度学习入门（基于python的理论与实现）-02python入门
执行python脚本文件：cmd 运行后 python file.py。定义新的类（创建数据类型）：python中利用class关键字来定义类。python脚本文件：后缀.py。内置数据类型：int str 等。
2025-09-18 15:38:56
113
原创 深度学习入门（基于python的理论与实现）-01python入门
本节主要介绍python数据类型、变量、列表、字典、bool、if语句、for语句、函数等python 基础知识的了解，还未涉及深度学习编程语言：python 版本：python 3.x库：NumPy<用于数值计算>、Matplotib<用来画图>安装：确认python版本启动python解释器了解数据类型。
2025-09-17 18:41:28
185
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人