最简单的神经网络算法,2层深经网络

@[TOC]最简单的神经网络算法

最简单的神经网络算法

图片:《最简单的神经网络算法,2层深经网络》《最简单的神经网络算法,2层深经网络》

带尺寸的图片: 《最简单的神经网络算法,2层深经网络》

当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

//导包
import numpy as np
//定义激活函数,这里使用sigmoid,现在基本都用relu
def sigmoid(x,deriv=False):
    if(deriv == True):
        return x*(1-x)
    return 1/(1+np.exp(-x))
    //定义图像,这里自定义了一个3个特征矩阵
x=np.array([[0,0,1],
          [0,1,1],
          [1,0,1],
          [1,1,1],
          [0,0,1]]
          )
//定义标签,0,1可分别代表不同的类别
y=np.array([[0],
           [1],
           [1],
           [0],
           [0]]
          )
//设置权重
np.random.seed(1)
//初始化权重是权重在-1~1之间
w0=2*np.random.random((3,4))-1
w1=2*np.random.random((4,1))-1
//循环迭代
for j in xrange(600000):
    l0=x//输入层
    l1=sigmoid(np.dot(l0,w0))//第一层=输入层*权重然后进行激活函数
    l2=sigmoid(np.dot(l1,w1))//第二层=第一层层*权重然后进行激活函数
    l2_error=y-l2//计算错误率,这边用减号,下面修正初始化参数就用加号,反之,依然
    if(j%10000)==0:
        print('Error'+str(np.mean(np.abs(l2_error))))//每隔1万次输出错误率均值
    l2_delta=l2_error*sigmoid(l2,deriv=True)//反向求梯度
    l1_error=l2_delta.dot(w1.T)//这里w1转置为了与l2_delta能够进行矩阵乘积
    l1_delta=l1_error*sigmoid(l1,deriv=True)
    //修正参数。这里的加好与计算错误率符号相反
    w1+=l1.T.dot(l2_delta)
    w0+=l0.T.dot(l1_delta)

生成一个适合你的列表

  • 项目
    • 项目
      • 项目
  1. 项目1
  2. 项目2
  3. 项目3
  • 计划任务
  • 完成任务

创建一个表格

一个简单的表格是这么创建的:

项目Value
电脑$1600
手机$12
导管$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列第二列第三列
第一列文本居中第二列文本居右第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

TYPEASCIIHTML
Single backticks'Isn't this fun?'‘Isn’t this fun?’
Quotes"Isn't this fun?"“Isn’t this fun?”
Dashes-- is en-dash, --- is em-dash– is en-dash, — is em-dash

创建一个自定义列表

Markdown
Text-to- HTML conversion tool
Authors
John
Luke

如何创建一个注脚

一个具有注脚的文本。1

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n1)!nN 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=0tz1etdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能,丰富你的文章

Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid

  • 关于 甘特图 语法,参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图::

张三 李四 王五 你好!李四, 最近怎么样? 你最近怎么样,王五? 我很好,谢谢! 我很好,谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五… 很好… 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接


长方形 圆 圆角长方形 菱形

  • 关于 Mermaid 语法,参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图:

Created with Raphaël 2.2.0 开始 我的操作 确认? 结束 yes no

  • 关于 Flowchart流程图 语法,参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件或者.html文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。

  1. 注脚的解释 ↩︎

    原文作者:神经网络算法
    原文地址: https://blog.csdn.net/u011914647/article/details/84822138
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞