实现一个通过集合就算一个4层全连神经网络带L2正则化损失函数:
import numpy as np
train_steps = 30000
data = []
label = []
#创建训练数据,data是feature,label是标签
for i in range(200):
#uniform(low=0.0, high=1.0, size=None)
#np.random.uniform函数 从一个均匀分布[low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high.
#没有size的话默认为1个并且类型是float,不为1的话是一个ndarray
x1 = np.random.uniform(-1,1)
x2 = np.random.uniform(0,2)
#确定类别,在圆内则为0,圆外则为1
if x1**2 + x2**2<=1:
data.append([np.random.normal(x1,0.1),np.random.normal(x2,0.1)])
label.append(0)
else:
data.append([np.random.normal(x1