深度学习-全连接层python底层实现

DNN算法反向传播机制可以看这篇，这里不再说明

开门见山，直接贴代码 

"""
全连接的底层python实现，隐藏层层数以及每层的神经元数量自己定义。
 #author:AloneBird
 #time:2019.08.13
"""
import numpy as np

class Full_Dense():

    def __init__(self,input_data,label,mutil_classes,layer_size):
        """
        我们初始化必须的量
        :param size: 输入量的shape
        :param layer_num: 全连接的层数
        :param cell_num: 每层的神经元数量
        """
        self.input_data = input_data
        self.label = np.array(label)
        layer_size.insert(0, len(self.input_data[0]))
        self.layer_size = layer_size
        if mutil_classes == False:
            self.layer_size.append(2)
        else:
            self.layer_size.append(len(self.label[0]))
        print(self.layer_size)
        se