这篇教程Python利用numpy实现三层神经网络的示例代码写得很实用，希望能帮到您。
本文主要介绍了Python利用numpy实现三层神经网络的示例代码，分享给大家，具体如下： 
其实神经网络很好实现，稍微有点基础的基本都可以实现出来.主要都是利用上面这个公式来做的。
这是神经网络的整体框架，一共是三层，分为输入层，隐藏层，输出层。现在我们先来讲解下从输出层到到第一个隐藏层。
使用的编译器是jupyter notebook import numpy as np#定义X，W1，B1X = np.array([1.0, 0.5])w1 = np.array([[0.1, 0.3, 0.5],[0.2, 0.4, 0.6]])b1 = np.array([0.1, 0.2, 0.3])#查看他们的形状print(X.shape)print(w1.shape)print(b1.shape) 
def sigmod(x): return 1/(1 + np.exp(-x))Z1 = sigmod(A1)Z1 
#定义w2，b2w2 = np.array([[0.1,0.4],[0.2,0.5],[0.3,0.6]])b2 = np.array([0.1,0.2])#查看他们的行状print(w2.shape)print(b2.shape) 
A2 = np.dot(Z1,w2) + b2A2 
#定义恒等函数def identity_function(x): return x#定义w3,b3w3 = np.array([[0.1,0.3],[0.2,0.4]])b3 = np.array([0.1,0.2])A3 = np.dot(Z2,w3) + b3Y = identity_function(A3)Y 
将上面的整合一下 #整理#定义一个字典，将权重全部放入字典def init_network(): network = {} network['w1'] = np.array([[0.1,0.3,0.5],[0.2,0.4,0.6]]) network['w2'] = np.array([[0.1,0.4],[0.2,0.5],[0.3,0.6]]) network['w3'] = np.array([[0.1,0.3],[0.2,0.4]]) network['b1'] = np.array([0.1, 0.2, 0.3]) network['b2'] = np.array([0.1,0.2]) network['b3'] = np.array([0.1,0.2]) return network#定义函数，导入权重与x，得到Ydef forward(network,x): w1,w2,w3 = network['w1'],network['w2'],network['w3'] b1,b2,b3 = network['b1'],network['b2'],network['b3'] A1 = np.dot(x,w1) + b1 A2 = np.dot(A1,w2) + b2 A3 = np.dot(A2,w3) + b3 Y = identity_function(A3) Y #调用函数network = init_network()X = np.array([1.0,0.5])Y = forward(network,X) 到此这篇关于Python利用numpy实现三层神经网络的示例代码的文章就介绍到这了,更多相关numpy三层神经网络内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python实战之单词打卡统计
Python基础之time库详解 |
