深度学习—简单的三层神经网络—Python（numpy）

赫瑟尔

于 2021-06-25 21:28:35 发布

阅读量493

点赞数

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/qq_42075634/article/details/118228907

版权

这篇博客通过代码和手绘图解介绍了如何使用Python（numpy）搭建一个简单的三层神经网络，涵盖了深度学习的基础概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码+图解
代码：

import numpy as np

#sigmoid激活函数
def sigmoid(x):
    return 1 / (1 + np.exp(-x))
#初始化
def init_network():
    network = {}
    network['W1'] = np.array([[0.1, 0.3, 0.5], [0.2, 0.4, 0.6]])
    network['b1'] = np.array([0.1, 0.3, 0.5])
    network['W2'] = np.array([[0.1, 0.4], [0.2, 0.5], [0.3, 0.6]])
    network['b2'] = np.array([0.1, 0.2])
    network['W3'] = np.array([[0.1, 0.3], [0.2, 0.4]])
    network['b3'] = np.array([0.1, 0.2])

    return network

# 定义了identity_function()函数，作为输出层的激活函数
#恒等函数将输入原样输出。
def identity_function(x):
    return x

# softmax函数——恒等函数即σ
def softmax(a):
    exp_a = np.exp(a)
    sum_exp_a = np.sum(exp_a)
    y = exp_a / sum_exp_a
    return y
    
#传播
def forward(network, x):
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
    b1, b2, b3 = network['b1&

最低0.47元/天解锁文章