![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络算法
hjc2020
这个作者很懒,什么都没留下…
展开
-
【基于Numpy】实现基本卷积运算
注释:输入为x: (10, 3, 36, 36), self.weight: (36, 3, 5, 5) 输出为卷积结果 (10, 36, 32, 32) for b in range(0, x.shape[0]): for c in range(self.weight.shape[0]): output = [] for i in range(0, x.shape[2], self.stride):原创 2022-02-17 18:19:20 · 2345 阅读 · 0 评论 -
【基于Numpy】实现一个简单的Softmax_Regression神经网络实现手写数字(一)
这里写自定义目录标题欢迎使用Markdown编辑器模型代码骨干网络欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。模型代码import numpy as npfrom ._base_network import _baseNetworkclass SoftmaxRegression(_baseNetwork): def __in原创 2022-01-28 17:16:09 · 2067 阅读 · 0 评论 -
神经网络算法与Python(八):一些改变
参考Python神经网络编程(Tariq Rashid著)CSDN博客做一些改变在第七节中,我们终于在Python上编写并且实现了一个3层的人工神经网络(使用层次模型,输入层有784个节点(28X28)用于采样所有的像素,隐层有100个节点用于计算,输出层有10个节点用于判断输出结果)。编写完成以后,我们使用了MNIST数据集进行训练与测试。最后我们在MNIST测试数据集上取得了94%的正...原创 2019-11-09 22:51:16 · 186 阅读 · 0 评论 -
神经网络算法与Python(七):训练神经网络
参考Python神经网络编程(Tariq Rashid著)GithubMNIST 数据集MNIST数据集https://pjreddie.com/projects/mnist-in-csv/对于一个在上一章节刚刚制作完成的神经网络来说,最需要的就是大量的数据用于对网络进行训练找到合适的权重。上面的网站里搜集了很多手写数字的图像(28乘以28的矩阵一共784个值)。每个值的大小标注了其所...原创 2019-10-26 12:31:18 · 501 阅读 · 0 评论 -
神经网络算法与Python(六):从Python开始
参考Python神经网络编程(Tariq Rashid著)Python编程Python是一种解释型脚本语言,是一种面向对象的动态类型语言,最初被设计用于编写自动化脚本(shell),随着版本的不断更新和语言新功能的添加,越来越多被用于独立的、大型项目的开发。可以应用于以下领域: Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发等对于一...原创 2019-10-20 16:06:33 · 239 阅读 · 0 评论 -
神经网络算法与Python(五):准备一个神经网络
参考一、Python神经网络编程(Tariq Rashid著)梯度下降法实现在上一节,我们已经简单初步地介绍了梯度下降法在神经网络中的基本思想(即通过误差的变化率指导权重更新的步长,当然实际情况里,我们还需要考虑学习率,即再乘以一个参数)。那么在算法中如何利用这一原理呢,显然在算法实现上的核心问题在于如何求取误差变化率。一提到变化率,导数自然是当仁不让的选择。问题到这里变得已经非常地细节了...原创 2019-10-17 00:07:58 · 189 阅读 · 0 评论 -
神经网络算法与Python(一):从分类器与预测器到神经网络
参考一、Python神经网络编程(Tariq Rashid)二、算法简介“神经网络是一种模拟人脑的神经网络,以期望能够实现类人工智能的机器学习技术”。计算机的优势一般被认为是能够很好地对琐碎繁复的任务的处理,其缺点是无法实现一些“看上去”很简单的技术。比如人可以很快从一张照片中识别出哪一个是人,哪一个是动物,哪一个是植物。而计算机却不能。因此,如何计算机如何才能够智能地识别出指定物体?神...原创 2019-10-12 23:24:25 · 1164 阅读 · 0 评论 -
神经网络算法与Python(二):矩阵的应用
参考一、Python神经网络编程(Tariq Rashid著)二、CSDN博客以及简书矩阵与神经网络在上一节,我们已经讨论了一个简单的神经网络的由来和构造。我们选择了S函数作为每一个神经元的行为函数(即该神经元的输入*S函数=输出)。那么神经网络到底是如何工作的呢?我们可以从最简单的一个神经网络出发,如下图下图所示:注意,该图中的神经元并未对输入输出进行S函数处理。由图可知,即便是一...原创 2019-10-13 19:52:08 · 697 阅读 · 0 评论 -
神经网络算法与Python(三):误差与学习
参考一、Python神经网络编程二、CSDN博客与简书误差在第二节中,我们简述了神经网络的运算方式,由此可知,输出结果的误差主要是来源于各个传递通道之间的权重。因此,我需要使用训练数据集来辅助我们“训练”神经网络,即不断地更新权重减小误差。但是,由于在一个完整的神经网络中,误差是有所有神经元之间的权重决定的,我们并不知道具体哪个神经元的输出结果是多少亦或哪一层的输出结果是多少。我们只知道...原创 2019-10-13 20:17:34 · 1100 阅读 · 0 评论 -
神经网络算法与Python(四):梯度下降法
参考一、Python神经网络编程二、CSDN博客与简书梯度下降法如何训练神经网络(即找到合适的权重)一直是神经网络的核心问题,从第一节可知,我们通常是通过误差来指导我们如何一步步改进神经网络。但是一个复杂的神经网络包含很多层,每一层包含很多参与中间运算的神经元,每一个神经元都可能会产生误差。然后,我们只有神经网络最终输出的误差,即输出层每个神经元的误差。在上一节—误差与学习中,我们指出了...原创 2019-10-14 22:29:43 · 1029 阅读 · 1 评论