Numpy实现ParticleSwarmOptimizedNN（粒子群优化算法）

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

cognitive_weight: float [0,1)

social_weight: float [0,1)

max_velocity: float

The maximum allowed value for the velocity.

Reference:

Neural Network Training Using Particle Swarm Optimization

https://visualstudiomagazine.com/articles/2013/12/01/neural-network-training-using-particle-swarm-optimization.aspx

“”"

def init(self, population_size,

model_builder,

inertia_weight=0.8,

cognitive_weight=2,

social_weight=2,

max_velocity=20):

self.population_size = population_size

self.model_builder = model_builder

self.best_individual = None

Parameters used to update velocity

self.cognitive_w = cognitive_weight

self.inertia_w = inertia_weight

self.social_w = social_weight

self.min_v = -max_velocity

self.max_v = max_velocity

def _build_model(self, id):

“”" Returns a new individual “”"

model = self.model_builder(n_inputs=self.X.shape[1], n_outputs=self.y.shape[1])

model.id = id

model.fitness = 0

model.highest_fitness = 0

model.accuracy = 0

Set intial best as the current initialization

model.best_layers = copy.copy(model.layers)

Set initial velocity to zero

model.velocity = []

for layer in model.layers:

velocity = {“W”: 0, “w0”: 0}

if hasattr(layer, ‘W’):

velocity = {“W”: np.zeros_like(layer.W), “w0”: np.zeros_like(layer.w0)}

model.velocity.append(velocity)

return model

def _initialize_population(self):

“”" Initialization of the neural networks forming the population"“”

self.population = []

for i in range(self.population_size):

model = self._build_model(id=i)

self.population.append(model)

def _update_weights(self, individual):

“”" Calculate the new velocity and update weights for each layer “”"

Two random parameters used to update the velocity

r1 = np.random.uniform()

r2 = np.random.uniform()

for i, layer in enumerate(individual.layers):

if hasattr(layer, ‘W’):

Layer weights velocity

first_term_W = self.inertia_w * individual.velocity[i][“W”]

second_term_W = self.cognitive_w * r1 * (individual.best_layers[i].W - layer.W)

third_term_W = self.social_w * r2 * (self.best_individual.layers[i].W - layer.W)

new_velocity = first_term_W + second_term_W + third_term_W

individual.velocity[i][“W”] = np.clip(new_velocity, self.min_v, self.max_v)

Bias weight velocity

first_term_w0 = self.inertia_w * individual.velocity[i][“w0”]

second_term_w0 = self.cognitive_w * r1 * (individual.best_layers[i].w0 - layer.w0)

third_term_w0 = self.social_w * r2 * (self.best_individual.layers[i].w0 - layer.w0)

new_velocity = first_term_w0 + second_term_w0 + third_term_w0

individual.velocity[i][“w0”] = np.clip(new_velocity, self.min_v, self.max_v)

Update layer weights with velocity

individual.layers[i].W += individual.velocity[i][“W”]

individual.layers[i].w0 += individual.velocity[i][“w0”]

def _calculate_fitness(self, individual):

“”" Evaluate the individual on the test set to get fitness scores “”"

loss, acc = individual.test_on_batch(self.X, self.y)

individual.fitness = 1 / (loss + 1e-8)

individual.accuracy = acc

def evolve(self, X, y, n_generations):

“”" Will evolve the population for n_generations based on dataset X and labels y"“”

self.X, self.y = X, y

self._initialize_population()

The best individual of the population is initialized as population’s first ind.

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！