#深度学习#浅层神经网络手动搭建-基于python_怎么搭建神经网络根据已知的离散点学习到一个函数变化-CSDN博客

本文链接：https://blog.csdn.net/weixin_41745620/article/details/90899414

这篇博客详细介绍了如何手动构建一个包含一个隐藏层的浅层神经网络，用于二维平面数据分类。内容涵盖数据准备、神经网络结构设计、参数初始化、前向传播和反向传播的计算，以及损失函数和梯度下降更新规则。

摘要由CSDN通过智能技术生成

浅层神经网络搭建

数据来源： https://blog.csdn.net/u013733326/article/details/79702148
参考：https://blog.csdn.net/qq_29762941/article/details/80343185

目标：

手动建立一个基于反向传播的神经网络，包含一个隐藏层，实现一个二维平面数据分类。可以在jupyter notebook上分步进行或在pycharm上建立项目运行。

程序流程：

1.数据准备

    import numpy as np							#引入标准库
    import matplotlib.pyplot as plt
    np.random.seed(1)							#生成随机种子，保证验证结果一样

(1)创建数据集

 #创建二维分类数据集 ，直接调用，得到训练数据
 def load_planar_dataset():
     np.random.seed(1)
     m = 400 # number of examples
     N = int(m/2) # number of points per class
     D = 2 # dimensionality
     X = np.zeros((m,D)) # data matrix where each row is a single example
     Y = np.zeros((m,1), dtype='uint8') # labels vector (0 for red, 1 for blue)
     a = 4 # maximum ray of the flower
 
     for j in range(2):
         ix = range(N*j,N*(j+1))
         t = np.linspace(j*3.12,(j+1)*3.12,N) + np.random.randn(N)*0.2 # theta
         r = a*np.sin(4*t) + np.random.randn(N)*0.2 # radius
         X[ix] = np.c_[r*np.sin(t), r*np.cos(t)]
         Y[ix] = j
 
     X = X.T
     Y