深度学习代码学习笔记(一)——阶跃函数与激活函数的python代码实现

最新推荐文章于 2024-08-08 14:32:12 发布

Coco要做程序猿

最新推荐文章于 2024-08-08 14:32:12 发布

阅读量4.6k

点赞数 5

分类专栏：深度学习

本文链接：https://blog.csdn.net/weixin_45708475/article/details/103837779

版权

本文介绍了深度学习中的阶跃函数和sigmoid函数，通过Python代码展示了它们的实现，并对比了两者在平滑度和返回值上的差异。阶跃函数以0为阈值，输出0或1；sigmoid函数则产生0到1之间的连续实数，其平滑性在神经网络中具有重要意义。

摘要由CSDN通过智能技术生成

今天正式开始学习深度学习，看的书是《深度学习入门——基于python的理论与实现》。

感知机使用阶跃函数作为激活函数，而神经网络使用 sigmoid 函数作为激活函数。

下面分别来用代码实现并绘制阶跃函数和激活函数的图形。

一、阶跃函数

阶跃函数以阈值为界，一旦输入超过了阈值，就会切换输出。

以下的阶跃函数step_function以0为阈值——当输入超过0，则输出1，否则输出0。

import numpy as np
import matplotlib.pylab as plt

def step_function1(x=''):
    '''
    简单的阶跃函数——无法接收numpy数组参数
    '''
    if x >0:
        return 1
    else:
        return 0

def step_function2(x):
    '''
    升级版的阶跃函数，这里的参数ｘ为numpy数组
    '''
    y = x > 0  # numpy数组中的每个元素都与0比较大小，得到一个布尔型numpy数组