深度学习笔记——线性单元和梯度下降

本文链接：https://blog.csdn.net/qq_36309480/article/details/83652149

代码参考了零基础入门深度学习(2) - 线性单元和梯度下降这篇文章，我只对代码里可能存在的一些小错误进行了更改。至于线性单元的原理以及代码里不清楚的地方可以结合该文章理解，十分浅显易懂。

from DL.perceptron import Perceptron

# 定义激活函数f
f = lambda x:x

class LinearUnit(Perceptron):
    def __init__(self,input_num):
        '''
        param input_num: 初始化线性单元，设置输入参数的个数
        '''
        Perceptron.__init__(self,input_num,f)

def get_training_dataset():
    '''
    捏造5个人的收入数据
    '''
    # 构建训练数据
    # 输入向量列表，每一项是工作年限
    input_vecs = [[5],[3],[8],[1.4],[10.1]]
    # 期望的输出列表，月薪，注意要与输入一一对应
    labels = [5500,2300,7600,1800,11400]
    return input_vecs,labels

def train_linear_unit():
    '''
    使用数据训练线性单元
    '''
    # 创建感知机，输入参数的特征数为1（工作年限）
    lu = LinearUnit(1)
    # 训练，迭代10轮，学习速率为0.01
    input_vecs,labels = get_training_dataset()
    lu.train(input_vecs,labels,10,0.01)
    # 返回训练好的线性单元
    return lu

if __name__ == '__main__':
    '''
    训练线性单元
    '''
    linear_unit = train_linear_unit()
    # 打印获得的权重
    print(linear_unit)
    print('work 3.4 years, monthly salary = %.2f' %linear_unit.predict([3.4]))
    print('work 15 years, monthly salary = %.2f' %linear_unit.predict([15]))
    print('work 1.5 years, monthly salary = %.2f' %linear_unit.predict([1.5]))
    print('work 6.3 years, monthly salary = %.2f' %linear_unit.predict([6.3]))