BP 算法代码实现

最新推荐文章于 2025-05-21 12:02:04 发布

原创

最新推荐文章于 2025-05-21 12:02:04 发布 · 5k 阅读

17 ·

CC 4.0 BY-SA版权

这篇博客介绍了基于吴恩达深度学习课程的BP算法代码实现，涵盖了多层神经网络的前向传播和反向传播。文章中提到最后一层未使用sigmoid激活函数，并提供了公式推导。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于吴恩达deep learning 讲解中的推导，python实现了多层神经网络的前向传播和反向传播过程。
代码如下：
Note：

这里最后一层没有经过sigmoid函数
公式推导：z为每一层神经元的输入；a为每一层神经元的输出；w为权重；b为偏差。
欢迎交流

# -*- coding: utf-8 -*-
"""
last layer without sigmoid
@author: cdq
"""

import numpy as np
import matplotlib.pyplot as plt
def sigmoid(x):
    return 1.0 / (1.0 + np.exp(-x))
def dsigmoid(x):
    return sigmoid(x) * (1 - sigmoid(x))

class BP(object):
    def __init__(self, layers, activation='sigmoid', learning_rate=0.01):
        self.layers = layers
        self.learning_rate = learning_rate
        self.caches = {}
        self.grades = {}
        if activation == 'sigmoid':
            self.activation = sigmoid
            self.dactivation = dsigmoid
        self.parameters = {}
        for i in range(1,