《深度学习入门》实现三层神经网络前向传播

使用python实现三层神经网络前向传播推理。

#实现三层神经网络前向传播
import numpy as np
#激活函数
def sigmoid(x):return 1 / (1 + np.exp(-x))
#初始化权重和偏置，保存在字典network中
def init_network():network = {}network['W1'] = np.array([[0.1,0.3,0.5],[0.2,0.4,0.6]])network['B1'] = np.array([0.1,0.2,0.3])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
#处理前向传播，从输入层到输出层，使用sigmoid激活函数
def forward(network,x):W1,W2,W3 = network['W1'],network['W2'],network['W3']B1,B2,B3 = network['B1'],network['B2'],network['B3']A1 = np.dot(x,W1) + B1Z1 = sigmoid(A1)A2 = np.dot(Z1,W2) + B2Z2 = sigmoid(A2)A3 = np.dot(Z2,W3) + B3Y = A3return Y
#测试
network = init_network()
x = np.array([1.0,0.01])
y = forward(network,x)
print(y)

《深度学习入门》实现三层神经网络前向传播相关推荐

深度学习入门|第5章误差反向传播法（二）
误差反向传播法前言此为本人学习<深度学习入门>的学习笔记四.简单层的实现本节将用 Python 实现前面的购买苹果的例子.这里,我们把要实现的计算图的乘法节点称为"乘法层 ...
深度学习入门（6）误差反向传播基础---计算图与链式法则
在我的第三篇博文<深度学习入门(3)神经网络参数梯度的计算方式>中详细介绍了通过微分方式计算神经网络权重参数的梯度.但是数值微分的方式计算梯度效率较低.后续博文会介绍另外一种更加高效的梯度 ...
【Matlab】基于MNIST数据集的图像识别（深度学习入门、卷积神经网络、附完整学习资料）
Matlab--数字0~9的图像识别(Phil Kim著.Matlab) 本文可以为那些想对深度学习和人工智能有初步了解的朋友提供一些基础入门的帮助. 本文所用参考书: <MATLAB深度学习 ...
深度学习——02、深度学习入门——经典卷积神经网络架构实例——RNN
RNN 对比传统神经网络递归神经网络 RNN网络的特点:能够实现记忆功能 RNN的正向传播和反向传播缺陷:储存量巨大,信息有冗余. 应用:自然语言处理
深度学习——02、深度学习入门——经典卷积神经网络架构实例——VGGNet
Case Study:VGGNet
深度学习——02、深度学习入门——经典卷积神经网络架构实例——AlexNet
Case Study:AlexNet
深度学习入门——利用卷积神经网络训练CIFAR—10数据集
CIFAR-10数据集简介 CIFAR-10是由Hinton的学生Alex Krizhevsky和Ilya Sutskever整理的一个用于普适物体的小型数据集.它一共包含10个类别的RGB彩色图片: ...
【深度学习入门-1】透彻理解卷积的三层含义：从“卷积”、到“图像卷积操作”、再到“卷积神经网络”的含义（学习笔记）
一.写在前面笔者在进行卷积神经网络入门的时候花了很多功夫,理解的也不够透彻,基础不牢,地动山摇.在查阅了很多资料后,发现了大佬up"王木头学科学"讲的卷积神经网络的理解,茅塞顿开 ...
深度学习入门，一文讲解神经网络的构成、训练和算法
小白深度学习入门系列神经网络的构成.训练和算法什么是神经网络人工神经网络(Artificial Neural Network,ANN),简称神经网络(Neural Network,NN),是一种 ...

《深度学习入门》实现三层神经网络前向传播

《深度学习入门》实现三层神经网络前向传播相关推荐

最新文章

热门文章