技術標籤：深度學習神經網路深度學習pytorch

前菜

1. 這是個最基本的bp神經網路，今天我們就用python的numpy來實現它！
   

2. sigmoid函式：
   

話不多說，上程式碼！

from numpy import exp, array, random, dot

# 訓練資料 輸入
training_set_inputs = array([[0, 0, 1], [1, 1, 1], [1, 0, 1], [0, 1, 1]])
# 訓練資料 輸出
training_set_outputs = array([[0, 1, 1, 0]]).T
# seed是限制隨機數，使其生成的都是同一個
random.
 
seed(1)
# 生成隨機數，三行一列
synaptic_weight = 2 * random.random((3, 1)) - 1
# 迭代一萬次，進行訓練
for iteration in range(10000):
    # 將訓練集的輸入和權重dot進行矩陣相乘，結果輸入到sigmoid函式中
    output = 1 / (1 + exp(-(dot(training_set_inputs, synaptic_weight))))
    # 權重調整採用誤差加權導數公式
    synaptic_weight += dot(training_set_inputs.T, (training_set_outputs -
 
 output) * output * (1 - output))
# synaptic_weight是最終的權重，array([1,0,0])是測試資料，同樣是sigmoid函式
print(1 / (1 + exp(-dot(array([1, 0, 0]), synaptic_weight))))

除了註釋，實際9行程式碼。

BP神經網路就這麼簡單？不過如此？
非也！這連冰山一角都算不上。(冰山一角，是水的密度為1，冰的密度是0.9，所以冰的1/10會露出在水面之上)

持續關注吧！
peace&love