深度学习入门（三）------- 阶跃函数和Sigmoid函数

引入了一个新概念叫阶跃函数，阶跃函数以0为界，输出从0切换为1（或者从1切换为0），它的值呈阶梯式变化，所以称为阶跃函数。

它的图形代码就是：

import numpy as np
import matplotlib.pylab as plt

def step_function(x):
    return np.array(x > 0, dtype=np.int)

x = np.arange(-5.0, 5.0, 0.1)
y = step_function(x)
plt.plot(x, y)
plt.ylim(-0.1, 1.1)    # 指定y轴的范围
plt.show()

np.arange(-5.0, 5.0, 0.1)在-5.0到5.0的范围内，以0.1为单位，生成NumPy数组（[-5.0, -4.9, , 4.9]）。step_function()以该NumPy数组为参数，对数组的各个元素执行阶跃函数运算，并以数组形式返回运算结果。np.int型，Python中将布尔型转换为int型后，True会转换为1，False会转换为0。对数组x、y进行绘图

 在说sigmoid函数之前，先说一下NumPy 的广播功能，如果在标量和NumPy数组之间进行运算，则标量会和NumPy数组的各个元素进行运算。像乘法里的结合率一样，大概可以这么理解，例如：