AI lab1实践 在anaconda用python写BP算法

最新推荐文章于 2022-09-17 19:19:50 发布
最新推荐文章于 2022-09-17 19:19:50 发布
阅读量271 收藏 2
点赞数 1
文章标签： anaconda python 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zzj_777/article/details/104650986
版权
本文介绍了如何在Anaconda环境下使用Python编写BP算法。首先，创建了一个.py文件并进行了简单的输出测试。接着，讲解了Python基础语法，如numpy库的使用，多维数组，随机函数等。然后，初始化神经网络的参数，包括输入值、神经元、权重等，并实现了正向传播。虽然BP算法的核心部分——反向传播的链式法则不甚理解，但已经能够输出网络的最终结果。
摘要由CSDN通过智能技术生成

写在前面：上一篇文章我进行了一个简单的BP算法的理论梳理，由于3月6号就要交实验作业了，今天我要马不停蹄的一天上手anaconda和python。DDL就是第一生产力，冲了。

PS：文章建立在已经装好带python环境的anaconda基础上，没装的赶紧自己装一下

一：用anaconda创建一个python文件 

在桌面上创建一个.py文件，“bp_improve.py”，里面先搞个输出看看，print("给作者打钱") 并保存

打开anaconda的prompt cd到桌面去，并输入 python bp_improve.py，马上就可以看到运行结果了（注意要想显示中文，另存文件记得改一下编码格式）

二：将BP算法的C++版本改为python

（既然要写python我们最好是用一款编辑器，如果你下好了anaconda点开其中的 spyder就可以编辑python程序了！）

1：语法介绍<

最低0.47元/天 解锁文章
zzj_777
关注
【Python日记】PyCharm 和anaconda。一阶BP网络
fox801501的专栏
03-26 423
准备做BP网络，这时候开始出现另一个问题，安装组件太麻烦。因此卸载python，重装anaconda。anaconda的安装不提，主要记录一下PyCharm的配置，防止日后忘记。导入numpy 依然提示找不到，网上的原因很多，比如numpy版本问题，python没有卸载干净，这些都不是症结所在，按照其他博客配置pycharm还是不对，尝试了很多次才成功。选择File -&gt; Settings此...
神经网络算法python实现,神经网络算法python代码
xilao138的博客
08-25 1257
最基础的部分的话需要：线性代数，机器学习，微积分，优化等等。几乎所有操作都有矩阵运算，所以至少最基础的线性代数需要掌握建议从单一的感知机Perceptron出发，继而认识到DecisionBoundary(判别边界),以及最简单的一些“监督训练”的概念等，有机器学习的基础最好。就结果而言，诸如“过拟合”之类的概念，以及对应的解决方法比如L1L2归一，学习率等也都可以从单个感知机的概念开始入门。从单层感知器推广到普通的多层感知器MLP。然后推广到简单的神经网络（激活函数从阶跃“软化”为诸如tanh等类型的函数
ai python 面试_腾讯AI Lab面试 日常实习【超详细记录 已拿offer】
weixin_39759890的博客
12-05 344
补充：已经实习一个半月，这段时间太忙，过段时间得空了我更新下实习的感想，主要是实习期间和面试挂钩的感悟，希望能对大家有所启发。等着我~本篇经验目录：一、前言二、面经(详细版)三、面经(简化版，只有问题)四、小结一、前言本人本科211，硕士985，目前研一刚过一学期，做了一个多目标跟踪的项目，发表了一篇1区论文(但没在面试的时候提)，刚好有个内推AI Lab的机会，导师也挺支持我去大厂实习，因此抓住...
机器学习系列2 BP神经网络＋代码实现
热门推荐
zhengmingzhang的博客
11-04 4万+
神经网络简单的说，就是用一种层次化的方式将一堆简单的函数在顶层堆叠在一起，形成一个复杂的非线性函数，以此表达输入与输出之间的关系。 本文结构：               1.介绍构成神经网络的基本单元：神经元               2.介绍三层神经网络的实现过程：前向传播、损失函数的计算、反向传播、梯度下降算法，并使用python分步实现   一、神经网络的基本单元：神经元  ...
简单BP神经网络的python实现
li_huifei的博客
11-30 1万+
尽管神经网络已经有了很完备并且好用的框架，而且BP神经网络又是其中比较简单低效的一种，但是出于学习的目的来实现一下这个神经网络还是有意义的吧我想。 下面程序用到了iris数据集，为了方便画图先用PCA对数据进行了降维。同时对分类结果进行了标签化，针对神经网络的特点，用三个神经元作为输出来表示三个不同的分类，代码如下：import math import random from sklearn.d
人工智能深度学习卷积神经网络入门
10-23
java大数据人工智能培训学校全套教材系列课程由1000集视频构成，基本就 是1）时下流行的java培训学校主流内部教材，2）和市面上培训学校的通 行的课程体系几乎一样。所以这套课程都能自己学下来，等于上了培训学校一次，完全可以找个java工程师的工作了。 通过学习卷积神经网络概述，为什么引入神经网络来做识别，判断，预测，训练模型，激活函数，sigmoid激活函数，导数和切线，sigmoid激活函数如何求导，链式法则，梯度，梯度下降法与delta法则，BP（back propagation）误差逆传播神经网络，卷积到底有什么作用？如何做到特征提取，池化的名字由来，dropout，Anaconda Prompt的用法，Jupyter notebook的用法，Spyder的用法，建立安装Tensorflow所需的Anaconda虚拟环境，如何在Anaconda虚拟环境安装Tensorflow与Keras概念等让大家对人工智能，卷积神经网络快速入门。课程特色：专业细致，偏案例，理论强。课程软件使用：Anaconda，Spyder，Jupyter notebook重要声明：1） 如果感觉噪音大，可以选择不用耳机，加音箱或用电脑原声 2） 既然我们的名字叫人工智能深度学习卷积神经网络入门，这个课程的特点就在于成本最低的， 让你最快速的，最容易的入门。人工智能深度学习卷积神经网络入门的最大的难点在于入门入不了，从而最终放弃。俗话说师傅领进门，修行在个人。只要入了门了，后面的事都好办。选课前，务必注意本章的学习目标和内容。想学更多，注意后边的课程。
Python神经网络入门与实战,python神经网络算法实例
aifamao6的博客
08-14 312
用keras框架较为方便首先安装anaconda，然后通过pip安装keras以下转自wphh的博客。#coding:utf-8''' GPU run command: THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 python CPU run command: python 2016.06.06更新：这份代码是keras开发初期写的，当时keras还没有现在这么流行，文档也还没那么丰富，所以我当时写了一些
python实现简单的神经网络,python实现神经网络算法
ynca67269的博客
09-17 4837
学习人工智能时，我给自己定了一个目标－－用Python写一个简单的神经网络。为了确保真得理解它，我要求自己不使用任何神经网络库，从头写起。多亏了Andrew Trask写得一篇精彩的博客，我做到了！下面贴出那九行代码：在这篇文章中，我将解释我是如何做得，以便你可以写出你自己的。我将会提供一个长点的但是更完美的源代码。首先，神经网络是什么？人脑由几千亿由突触相互连接的细胞（神经元）组成。突触传入足够的兴奋就会引起神经元的兴奋。这个过程被称为“思考”。我们可以在计算机上写一个神经网络来模拟这个过程。不需要在生物
python搭建神经网络模型,python实现神经网络算法
aifamao6的博客
08-30 981
。importmathimportrandom(0)defrand(a,b):#随机函数return(b-a)*random.random()+adefmake_matrix(m,n,fill=0.0):#创建一个指定大小的矩阵mat=[]foriinrange(m):mat.append([fill]*n)returnmat#定义sigmoid函数和它的导数defsigmoid(x):return1.0/((-x))defsigmoid_derivate(x):returnx*(1-x)#sigmoid函
anaconda+pytorch实现简单的两层神经网络
shdxlzh的博客
04-14 911
以下代码已经测试通过，可以实现功能 import torch from torch.autograd import Variable N,D_in,H,D_out = 64,1000,100,10 x = Variable(torch.randn(N,D_in),requires_grad=False) y = Variable(torch.randn(N,D_out),requires_gr...
基于BP神经网络实现共享单车数据预测
11-06
基于BP神经网络实现共享单车数据预测，环境：anaconda+jupyter notebook。文件包含代码+数据集
机器学习与神经网络（四）：BP神经网络的介绍和Python代码实现
huakai16的博客
08-22 3万+
本篇博文主要介绍BP神经网络的相关知识，采用理论+代码实践的方式，进行BP神经网络的学习。本文首先介绍BP神经网络的模型，然后介绍BP学习算法，推导相关的数学公式，最后通过Python代码实现BP算法，从而给读者一个更加直观的认识。
工作里面那些潜在的瓶颈，其实不是瓶颈
杨建荣的学习笔记
02-03 284
这是学习笔记的第1879篇文章 前段时间我的一个大学好友晚上打电话给我，我们聊起了大学里的美好时光，然后在感觉在工作里面会有很多的门槛，总是觉得一件事情大家的出发点...
深度学习笔记一：BP神经网络的介绍和Python代码实现（2）
chen645096127的博客
12-13 954
1.以下代码的编写语言采用Python3.5版本，编译环境采用Anaconda，这里数据集通过sklearn生成，这个数据集大小为（1797,64），表示的是有1797张图片样本，其中的64，表示的是每一个样本包含64个特征，也就是下述图片所示，将8*8的矩阵排成一行，即64列，下面实现生成一个图片上数字的识别功能: 显示结果如下： 2.完整的bp实现代码如下： # codi
在Anaconda环境中编写一个简单的Prophet算法
lili安的博客
03-14 1045
一、命令进入anaconda环境 activate lianaconda 这也是我建立pycharm PropherPro项目的环境 然后输入命令 conda install pandas （凭感觉这样操作） 安装成功后进入pycharm-file-settings- 点击install。（回想与pip区别。。。是不是就是前面说的有些包pip是安装不了，只可用anaconda...
标准BP算法用Python编程实现
yolur的博客
10-13 2156
这里写自定义目录标题欢迎使用Markdown编辑器新的改变## 标题功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢...
BP神经网络原理及实践
IMWTJ123的博客
03-20 1623
一、神经元模型 神经网络： 目前使用最广泛的定义是由适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应。我们在机器学习中谈论神经网络时指的是神经网络学习，或者说，是机器学习与神经网络这两个学科领域的交叉部分。 神经网络中最基本的成分是神经元模型，一直沿用近日的是 “M-P神经元模型”，如下图所示。这个模型中神经元接收到来自 n 个其他神经元传递...
魔方机器人01 kociemba安装和使用
MarkWannaFly的博客
03-12 7137
等不了开学了，今天耐不住性子开始用现有资源把魔方机器人前期准备起来。 本方案使用编程语言为python3. 整体方案 OpenCV完成图像识别并输出魔方状态字符串 使用现有的kociemba包解算理论步骤 将理论步骤转换为机械执行的步骤 步进电机执行机械步骤 大概就是这样，摸着石头过河 kociemba包的使用 先用anaconda搭建一下环境，安装好kociemba包。 kociemba包下...
怎么使用anaconda写python
最新发布
10-07
Anaconda是一个流行的Python数据科学平台，它包含了大量科学计算库和环境管理工具。以下是使用Anaconda编写Python的基本步骤： 1. **安装 Anaconda**: - 访问https://www.anaconda.com/products/distribution 下载适合你的操作系统（Windows、Mac或Linux）的版本。 - 完成下载并按照安装向导的提示操作。 2. **创建新环境**: - 打开Anaconda Navigator 或者命令行，使用 `conda create` 创建一个新的虚拟环境。例如： ``` conda create -n myenv python=3.9 # 如果你需要Python 3.9 ``` 这将创建一个名为myenv的新环境。 3. **激活环境**: - 环境创建后，通过以下命令激活它（在命令行中）： ``` conda activate myenv ``` 4. **安装Python包**: - 使用 `pip install` 或 `conda install` 来安装所需的Python库，如NumPy、Pandas或Matplotlib等。 ``` pip install numpy pandas matplotlib ``` 或 ``` conda install numpy pandas matplotlib ``` 5. **编写Python脚本**: - 打开文本编辑器（如VS Code、PyCharm），创建一个新的Python文件（`.py`扩展名）。 ```python # your_script.py import numpy as np array = np.array([1, 2, 3]) print(array) ``` 6. **运行脚本**: - 在终端或命令行中，进入包含脚本的目录，然后使用 `python your_script.py` 运行它。 7. **管理依赖**: - 为了保持环境干净整洁，你可以使用 `conda env export` 导出当前环境配置，然后在需要的时候导入。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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