![](https://img-blog.csdnimg.cn/9d7bc746441c4f7ab03c7d22a4e37f79.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习入门基于Python的理论和实现代码实现
一本适合深度学习的入门教材,代码案例都是基于此书。
托尼stark
你能从现在开始改变,也可以一成不变。
展开
-
三、神经网络-三层神经网络的简单实现
import numpy as np# sigmoid函数定义def sigmoid(x): return 1 / (1 + np.exp(-x))#恒等函数:会将输入按原样输出,并将其作为输出层的激活函数def identity_function(x): return x#进行权重和偏置的初始化,并将它们保存在字典变量network中。def init_network(): network = {} network['w1...原创 2021-12-11 15:06:25 · 2347 阅读 · 0 评论 -
三、神经网络-激活函数
import numpy as npimport matplotlib.pyplot as plt"""激活函数是连接感知机和神经网络的桥梁,用于加入非线性因素,提高神经网络对模型的表达能力,解决线性模型所不能解决的问题。"""# 1.sigmoid函数实现def sigmoid(x): return 1 / (1 + np.exp(-x))x=np.array([-5.0,5.0,0.1])print(sigmoid(x))#画出函数图像x=np.arange(-5.原创 2021-12-11 14:39:49 · 1719 阅读 · 0 评论 -
二、感知机
(1)"""感知机是什么?感知机接受多个输入信号,输出一个信号。感知机的多个输入信号都有各自固有的权重,这些权重发挥着各个信号的重要性作用。也即权重越大,对应该权重的信号的重要性就越高。如下例子:x1,x2是输入信号,y是输出信号,w1、w2是权重,当输人信号被送往神经元时,会被分别乘以固定权重(w1*x1,w2*x2)。神经元会计算传送过来的信号总和,只有当这个总和超过了某个界限值时,才会输出1.此处将这个界限值称为阈值,用theta表示。""""""感知机的运行原理用数学式表示如下.原创 2021-12-03 20:54:57 · 1502 阅读 · 0 评论 -
一、使用Matplotlib绘制简单图形
(1)#Matplotlib是用于绘制图形的库,此处展示绘制sin函数的例子import numpy as npimport matplotlib.pyplot as plt#生成数据x=np.arange(0,6,0.1)#以0.1为单位,生成0到6的数据y=np.sin(x)#绘制图形plt.plot(x,y)plt.show()图像如下图所示:(2) 接下来我们在上述代码中假如绘制cos函数的代码:import numpy as npimport m..原创 2021-12-03 19:20:03 · 349 阅读 · 0 评论