从零实现深度学习框架——手写前馈网络实现电影评论分类

引言

本着“凡我不能创造的，我就不能理解”的思想，本系列文章会基于纯Python以及NumPy从零创建自己的深度学习框架，该框架类似PyTorch能实现自动求导。
💡系列文章完整目录： 👉点此👈
要深入理解深度学习，从零开始创建的经验非常重要，从自己可以理解的角度出发，尽量不适用外部框架的前提下，实现我们想要的模型。本系列文章的宗旨就是通过这样的过程，让大家切实掌握深度学习底层实现，而不是仅做一个调包侠。

我们已经了解了前馈神经网络的基础知识，本文就基于前馈网络来解决实际问题——IMDB电影评论分类。

imdb数据集

imdb数据集是英文电影评论数据集，包含50000条两极分化的评论，数据集被分为25000条用于训练和25000条用于测试的评论。它们都包含50%的正面和50%的负面评论。

我们想要训练一个前馈网络能学到输入一段英文评论，判断这段评论是正面(表扬、鼓励)还是负面(狂喷)的，属于一个二分类问题。

我们先来看下数据集，为了简单，我们先用keras提供的封装方法加载数据集，需要引入from keras.datasets import imdb。

def