反向传播算法

神经网络

**反向传播第一层代码

import numpy as np
class FullyConnect:
    def _init_(self,l_x,l_y):
        self.weights = np.random.randn(l_y,l_x)
        self.bias =np.random.randn(l)
        
    def forward(self,x):
        self.x=x
        self.y=np.dot(self.weights.x)+self.bias
        return self.y
    def backward(self,x):
        self.dw = d*self.x
        self.db =d
        self.dx = d*self.weights
        return self.dw,self.db

反向传播算法第二层:

	class Simoid:
    def _init_(self):
        pass
    def sigmoid(self,x):
        return 1/(1+np.exp(-x))
    def forward (self,x):
        self.x=x
        self.y=self.sigmoid(x)
        return self.y
    def backward(self):
        sig=self.sigmoid(sig.x)
        self.dx = sig*(1-sig)
        return self.dx

其实,反向传播算法就是梯度下降算法

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值