DL：LinearNN(numpy自定義的) solve ?XOR problem

?

?

目錄

輸出結(jié)果

核心代碼

LinearNN使用案例

---

?

?

輸出結(jié)果

?

核心代碼

#BP solve XOR Problem import numpy as np#輸入數(shù)據(jù)，第一列的數(shù)字1表示偏置 X = np.array ([[1, 0, 0], [1, 0, 1], [1, 1, 0],[1, 1, 1]]) #標(biāo)簽 Y = np.array ([[0, 1, 1, 0]]) #兩個(gè)中括號(hào)代表二維。分別對(duì)應(yīng)00、01、10、11 #權(quán)值初始化，3行4列，取值范圍[-1,1] V = np.random.randn(3,4)*2-1 W = np.random.randn(4,1)*2-1 print (V) print (W) #設(shè)置學(xué)習(xí)率 lr = 0.11 def update(): #更新權(quán)值的函數(shù)global X,Y,W,V,lr #當(dāng)自定義的函數(shù)需要調(diào)用外部的參數(shù)時(shí)，需要利用global進(jìn)行聲明為全局變量L1=sigmoid(np.dot(X,V)) #隱藏層輸出4*4L2=sigmoid(np.dot(L1,W)) #輸出層輸出4*1L2_delta=(Y.T-L2)*dsigmoid(L2) #Y.T就是Y的轉(zhuǎn)置L1_delta=L2_delta.dot(W.T)*dsigmoid(L1)W_C=lr*L1.T.dot(L2_delta)V_C=lr*X.T.dot(L1_delta)W=W+W_CV=V+V_Cfor i in range(20000):update() #更新權(quán)值if i%500==0:L1=sigmoid(np.dot(X,V)) #隱藏層輸出4*4L2=sigmoid(np.dot(L1,W)) #輸出層輸出4*1print("error:",np.mean(np.abs(Y.T-L2)))L1=sigmoid(np.dot(X,V)) #隱藏層輸出4*4 L2=sigmoid(np.dot(L1,W)) #輸出層輸出4*1 print(L2)def judge(x):if x>=0.5:return 1else:return 0 for i in map(judge,L2):print(i)

?

LinearNN使用案例

1、LinearNN簡(jiǎn)單案例

2、LinearNN solve ?XOR problem
當(dāng)lr=0.3時(shí)，相對(duì)比較大，每一個(gè)步長(zhǎng)比較大，所以會(huì)在坑底部(最小值)兩端進(jìn)行跳動(dòng)，然后訓(xùn)練到一定輪數(shù)，再改lr=0.03即可看到更好的情況。

?

?

?

總結(jié)

以上是生活随笔為你收集整理的DL：LinearNN(numpy自定义的) solve XOR problem的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。