《零基础入门深度学习》学习笔记（一）感知器-代码详解

最新推荐文章于 2024-01-30 13:43:45 发布

原创

最新推荐文章于 2024-01-30 13:43:45 发布 · 556 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #人工智能 #深度学习 #神经网络

本文介绍了深度学习的基础——感知器，详细解析了感知器的Python实现，包括权重初始化、激活函数、预测及训练过程。通过实例演示了如何使用感知器实现逻辑与（AND）函数，并解释了模型参数的更新规则。通过逐步学习，读者可以掌握深度学习的初步知识。

最近在搜集资料时无意中看到知乎中有人推荐此教程，特整理输出一遍。形成此系列文章。本文原文标题为：

《零基础入门深度学习(1) - 感知器》

原理部分请直接参考原文：目前只分析源码：此代码修改原码，为python3环境。

from functools import reduce

class Perceptron(object):
    def __init__(self, input_num, activator):
        """
            初始化感知器，设置输入参数的个数，以及激活函数。
            激活函数的类型为double -> double。
        """
        self.activator = activator
        # 权重向量初始化为0。
        self.weights = [0.0 for _ in range(input_num)]
        # 偏置项初始化为0
        self.bias = 0.0
        
    def __str__(self):
        """
            打印学习到的权重、偏置项
        """
        return "weights\t:%s\nbias\t:%f\n" % (self.weights, self.bias)
    
    def predict(self, input_vec):
        """
            输入向量，输出感知器的计算结果。
        """