深度学习实战篇之（一）----- Python感知机实现

世界地球日，奏响低碳生活进行曲，以蓝天为乐谱，以绿树为音符，以碧水为琴弦弹奏出环保最强音，为地球母亲祈祷平安吃五谷杂粮，穿天然布衣，住节能住宅，行无车之旅，用厉行节俭。让我们怀着敬畏感恩之心，向地球母亲贺寿。

       深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。

       深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

       深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

科普

知识

前言

  在深度学习系列的上期文章中，我们学习了感知机的基础理论，对感知机有了一个基本的了解，但是对于代码的实践，估计还是有点雾水，本着趁热打铁的功夫，我们今天就来走进深度学习实战篇的第一篇文章-----感知机的python实现，希望大家喜欢，继续往下吧！

1

感知机

    今天我们紧跟上一期的理论文章进行代码实操，让大家亲身体会Python实现的感知机到底是这样的一回事，数据的维度如何表示？激活函数如何定义？ 为了让方便大家的基础，我们首先了两种函数，一种是对照数学公式的体现，另一种是循环结构的考虑，都还不错，大家好好学习哦！

1

感知机实现

感知机的数学表示图

1. 首先看感知机的数学表示图（如上图），我们照着图来敲代码

sigmoid 激活函数

2. 感知机数学表达式：y = F(w*x+b),F 代表激活函数，此处我们使用sigmoid

3. 感知机实现步骤

1.用x的每一个值对应乘以w中的值，然后加上对应b中的每一个值

2.然后求他们的和  然后带入激活函数中得到输出结果

如：中间结果：y1 = x1*w1+b1 + x2*w2+b2 + x3*w3+b3 + x4*w4+b4 + x5*w5+b5# 最后的输出：y = sigmoid(y1）

2

代码实践

# -*- coding:utf-8 -*-
import numpy as np


x = [1,2,3,4,5]
w = [0.1,0.2,0.3,0.4,0.5]
b = [0.1,0.11,0.12,0.13,0.14]


# 激活函数定义


def sigmoid(input):
    # TODO: Implement sigmoid function
    return 1/(1 + np.exp(-input))


# 感知机数学表达式：y = F(w*x+b),F 代表激活函数，此处我们使用sigmoid


# 感知机实现步骤：
#1.用x的每一个值对应乘以w中的值，然后加上对应b中的每一个值
#2.然后求他们的和  然后带入激活函数中得到输出结果
# 如：中间结果：y1 = x1*w1+b1 + x2*w2+b2 + x3*w3+b3 + x4*w4+b4 + x5*w5+b5
# 最后的输出：y = sigmoid(y1)


# 代码实现一：
def Perceptron1():
    y1 = x[0]*w[0]+b[0] + x[1]*w[1]+b[1] + x[2]*w[2]+b[2] + x[3]*w[3]+b[3] + x[4]*w[4]+b[4]
    print("感知机实现一的中间结果是：{}".format(y1))
    y = sigmoid(y1)
    print("感知机实现一的输出结果是：{}".format(y))


def Perceptron2():
    print("----------------------------------------------")
    y1 = 0
    for i in range(len(x)):
        y1 = y1 + x[i]*w[i]+b[i] 
    print("感知机实现二的中间结果是：{}".format(y1))
    y = sigmoid(y1)
    print("感知机实现二的输出结果是：{}".format(y))


# 感知机一 代码调用
Perceptron1()
# 感知机二代码调用
Perceptron2()

3

效果展示

END

结语

    今天的代码实践分享结束了，对于Python实现的感知机相信大家都有了一定的了解，然而实际感知机实现却不会这么简单，因为输入数据x的维度可能较多，可能也不止一个输入数据，况且今天实践的时候，我们采用的列表来控制数据的维度，然而实际情况更多的却是用矩阵的思想来装入数据，等等，这些，我们都会在后期一起与大家共同学习，一起进步，愿跟多的人与我们同行。

    此外，问一个小问题，考考大家之前的Python基础，今天的代码中，我们的x定义了5个数据，但是为什么在实现方式一的时候，却是从0开始4结束而不是1开始5结束呢？很简单，答案就留个各位学习的伙伴们咯！

编辑：玥怡居士|审核：小圈圈居士

●深度学习理论篇之----前世、今生、未来

●深度学习理论篇之 (三) -- 感知机的横空出世

●深度学习理论篇之 ---- 开山之石

扫码关注我们

在看你就赞赞我！