深度学习之入门Python第一天

peng1418975997

已于 2022-04-26 15:18:34 修改

阅读量2k

点赞数

分类专栏：深度学习入门文章标签：深度学习 python

于 2022-04-26 14:33:33 首次发布

本文链接：https://blog.csdn.net/peng1418975997/article/details/124426910

版权

深度学习入门专栏收录该内容

4 篇文章 0 订阅

订阅专栏

这篇博客展示了如何使用Python的numpy和matplotlib库来绘制神经网络中常用的两种激活函数：阶跃函数和sigmoid函数。阶跃函数是一个简单的非线性函数，其输出在x>0时突然变为1，在x<=0时为0。sigmoid函数则是一个平滑的S型曲线，其值域在0到1之间，常用于概率和逻辑回归。这两个函数对于神经网络的训练和预测至关重要。

摘要由CSDN通过智能技术生成

神经网络

1.阶跃函数的图形

import numpy as np     #使用numpy库,并且给numpy起了个别名为np
import matplotlib.pylab as plt    #使用绘图库
def step_function(x):             #定义阶跃函数，并且把进行>0判断，它会自动变成bool值，dtype=np.int 会变成int值返回
    return np.array(x>0,dtype=np.int) 

x=np.arange(-5.0,5.0,0.1) #给数组x赋值，x=[-5.0,-4.9,...,4.9,5.0]
y=step_function(x)
plt.plot(x,y) #x为x轴的值，y为有轴的值
plt.ylim(-0.1,1.1) #制定y轴的范围
plt.show() #显示图片

在Anaconda3运行的效果
在这里插入图片描述

2.sigmoid函数的实现

import numpy as np     #使用numpy库,并且给numpy起了个别名为np
import matplotlib.pylab as plt    #使用绘图库
def sigmoid(x):             #定义sigmoid函数
    return 1/(1+np.exp(-x))

x=np.arange(-5.0,5.0,0.1) #给数组x赋值，x=[-5.0,-4.9,...,4.9,5.0]
y=sigmoid(x)
plt.plot(x,y) #x为x轴的值，y为有轴的值
plt.ylim(-0.1,1.1) #制定y轴的范围
plt.show() #显示图片