這篇文章將為大家詳細(xì)講解有關(guān)如何用Python代碼搭建神經(jīng)網(wǎng)絡(luò)來掌握一些基本概念，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對相關(guān)知識(shí)有一定的了解。

創(chuàng)新互聯(lián)是一家專注于做網(wǎng)站、成都網(wǎng)站制作與策劃設(shè)計(jì),柘城網(wǎng)站建設(shè)哪家好?創(chuàng)新互聯(lián)做網(wǎng)站,專注于網(wǎng)站建設(shè)10多年,網(wǎng)設(shè)計(jì)領(lǐng)域的專業(yè)建站公司;建站業(yè)務(wù)涵蓋:柘城等地區(qū)。柘城做網(wǎng)站價(jià)格咨詢:18980820575

這里的“用Python”指的就是不用那些現(xiàn)成的神經(jīng)網(wǎng)絡(luò)庫比如Keras、Tensorflow等，否則連9行都不用了。

本文我會(huì)解釋這個(gè)神經(jīng)網(wǎng)絡(luò)是怎樣煉成的，所以你也可以搭建你自己的神經(jīng)網(wǎng)絡(luò)。也會(huì)提供一個(gè)加長版、但是也更漂亮的源代碼。

不過首先，什么是神經(jīng)網(wǎng)絡(luò)？人腦總共有超過千億個(gè)神經(jīng)元細(xì)胞，通過神經(jīng)突觸相互連接。如果一個(gè)神經(jīng)元被足夠強(qiáng)的輸入所激活，那么它也會(huì)激活其他神經(jīng)元，這個(gè)過程就叫“思考”。

我們可以在計(jì)算機(jī)上創(chuàng)建神經(jīng)網(wǎng)絡(luò)，來對這個(gè)過程進(jìn)行建模，且并不需要模擬分子級的生物復(fù)雜性，只要觀其大略即可。為了簡化起見，我們只模擬一個(gè)神經(jīng)元，含有三個(gè)輸入和一個(gè)輸出。

我們將訓(xùn)練這個(gè)神經(jīng)元來解決下面這個(gè)問題，前四個(gè)樣本叫作“訓(xùn)練集”，你能求解出模式嗎？?處應(yīng)該是0還是1呢？

或許已經(jīng)發(fā)現(xiàn)了，輸出總是與第一列的輸入相等，所以?應(yīng)該是1。

訓(xùn)練過程

問題雖然很簡單，但是如何教會(huì)神經(jīng)元來正確的回答這個(gè)問題呢？我們要給每個(gè)輸入賦予一個(gè)權(quán)重，權(quán)重可能為正也可能為負(fù)。權(quán)重的絕對值，代表了輸入對輸出的決定權(quán)。在開始之前，我們先把權(quán)重設(shè)為隨機(jī)數(shù)，再開始訓(xùn)練過程：

1. 從訓(xùn)練集樣本讀取輸入，根據(jù)權(quán)重進(jìn)行調(diào)整，再代入某個(gè)特殊的方程計(jì)算神經(jīng)元的輸出。

2. 計(jì)算誤差，也就是神經(jīng)元的實(shí)際輸出和訓(xùn)練樣本的期望輸出之差。

3. 根據(jù)誤差的方向，微調(diào)權(quán)重。

4. 重復(fù)10000次。

最終神經(jīng)元的權(quán)重會(huì)達(dá)到訓(xùn)練集的最優(yōu)值。如果我們讓神經(jīng)元去思考一個(gè)新的形勢，遵循相同過程，應(yīng)該會(huì)得到一個(gè)不錯(cuò)的預(yù)測。

計(jì)算神經(jīng)元輸出的方程

你可能會(huì)好奇，計(jì)算神經(jīng)元輸出的人“特殊方程”是什么？首先我們?nèi)∩窠?jīng)元輸入的加權(quán)總和：

為什么是這個(gè)方程？首先我們希望調(diào)整量與誤差量成正比，然后再乘以輸入(0-1)。如果輸入為0，那么權(quán)重就不會(huì)被調(diào)整。最后乘以Sigmoid曲線的梯度，為便于理解，請考慮：

1. 我們使用Sigmoid曲線計(jì)算神經(jīng)元輸出。

2. 如果輸出絕對值很大，這就表示該神經(jīng)元是很確定的（有正反兩種可能）。

3. Sigmoid曲線在絕對值較大處的梯度較小。

4. 如果神經(jīng)元確信當(dāng)前權(quán)重值是正確的，那么就不需要太大調(diào)整。乘以Sigmoid曲線的梯度可以實(shí)現(xiàn)。

實(shí)際上也有其他讓神經(jīng)元學(xué)習(xí)更快的方程，這里主要是取其相對簡單的優(yōu)勢。

構(gòu)建Python代碼

盡管我們不直接用神經(jīng)網(wǎng)絡(luò)庫，但還是要從Python數(shù)學(xué)庫Numpy中導(dǎo)入4種方法：

• exp： 自然對常數(shù)

• array： 創(chuàng)建矩陣

• dot：矩陣乘法

• random： 隨機(jī)數(shù)

比如我們用array()方法代表訓(xùn)練集：

.T函數(shù)就是矩陣轉(zhuǎn)置。我想現(xiàn)在可以來看看美化版的源代碼了，最后我還會(huì)提出自己的終極思考。源代碼中已經(jīng)添加了注釋逐行解釋。注意每次迭代我們都一并處理了整個(gè)訓(xùn)練集，以下為完整的Python示例：

（Kaiser：講的是將代碼寫入本地main.py文件，再在終端中運(yùn)行python main.py，這里只需點(diǎn)擊運(yùn)行即可。）

我們用Python打造了一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)。

首先神經(jīng)網(wǎng)絡(luò)給自己賦予隨機(jī)的權(quán)重值，然后用訓(xùn)練集訓(xùn)練自己，最后去思考新的形勢[1 0 0]并預(yù)測了0.99993704，這與正確答案非常接近。

傳統(tǒng)的計(jì)算機(jī)程序無法學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)的最大魅力就在于學(xué)習(xí)能力，可以自主適應(yīng)新形勢，就像人的心智一樣。當(dāng)然，僅僅一個(gè)神經(jīng)元只能完成特別簡單的任務(wù)，但如果我們把上百萬個(gè)如此的神經(jīng)元連接起來呢？能否有朝一日制造出具有自我意識(shí)的東西？

關(guān)于如何用Python代碼搭建神經(jīng)網(wǎng)絡(luò)來掌握一些基本概念就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

網(wǎng)站名稱：如何用Python代碼搭建神經(jīng)網(wǎng)絡(luò)來掌握一些基本概念
鏈接分享：http://www.rwnh.cn/article24/jgpjje.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信小程序、面包屑導(dǎo)航、App開發(fā)、外貿(mào)網(wǎng)站建設(shè)、標(biāo)簽優(yōu)化、網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)