sigmoid函数和阶跃函数的Python代码比较 ← 斋藤康毅

sigmoid函数就像“水车”一样，根据流过来的水量相应地调整传送出去的水量。
阶跃函数就像“竹筒敲石”一样，只做是否传递水（0或1）两个操作。

备注：
“水车”图片来源于：https://new.qq.com/rain/a/20200520A04PLS00?pc
“竹筒敲石”图片来源于：https://www.sohu.com/a/207830556_503535

【sigmoid函数和阶跃函数的Python代码比较】

import numpy as np
import matplotlib.pylab as pltdef sigmoid(x):return 1/(1+np.exp(-x))    def step_function(x):return np.array(x>0, dtype=np.int)x=np.arange(-5.0, 5.0, 0.1)
y1=sigmoid(x)
y2=step_function(x)plt.plot(x, y1,'c-') #青色实线
plt.plot(x, y2, 'r--') #红色虚线
plt.ylim(-0.1, 1.1)
plt.show()

【sigmoid函数和阶跃函数的图形】

sigmoid函数和阶跃函数的Python代码比较 ← 斋藤康毅相关推荐

读书笔记：求函数梯度的Python代码 numerical_gradient.py ← 斋藤康毅
由多元函数全部变量的偏导数汇总而成的向量称为梯度(gradient). 梯度指示的方向是各点处的函数值减小最多的方向. 下文给出了求函数的梯度的 Python 代码. [求函数梯度的Python代 ...
阶跃函数的Python实现 ← 斋藤康毅
[阶跃函数的Python代码] 下面的 step_function 函数,给出了阶跃函数的两种 Python 实现. 一种是 return np.array(x>0,dtype=np.int), ...
读书笔记：梯度法求函数的最小值 gradient_method.py ← 斋藤康毅
● 由多元函数全部变量的偏导数汇总而成的向量称为梯度(gradient).梯度指示的方向是各点处的函数值减小最多的方向. ● 虽然梯度的方向并不一定指向最小值,但沿着它的方向能够最大限度地减小函数的值 ...
读书笔记：ReLU函数的Python代码 ← 斋藤康毅
[ReLU函数] [ReLU函数的Python代码] import numpy as np import matplotlib.pylab as pltdef relu(x):return np.ma ...
《深度学习入门--基于python的理论与实现》——斋藤康毅读书笔记
<深度学习入门--基于python的理论与实现>读书笔记(第二章) 写在前面第二章:感知机 2.1感知机是什么 2.2简单的逻辑电路 2.2.1与门(and gate) 2.2.2与非门 ...
《深度学习入门——基于Python的理论与实现》斋藤康毅学习笔记（二）
第二章感知机 1逻辑门错误:python 出现的异常 inconsistent use of tabs and spaces in indentation 意思是:在缩进中不一致地使用制表符和空格 ...
《深度学习入门——基于Python的理论与实现》斋藤康毅学习笔记（一）
第一章 (只将自己有疑惑并得到解决的学习内容作以下笔记) 1.python解释器 1.1数组错误:a[ : -1] 不是获取所有元素修改:a[ : -1]表示获取从第一个元素到最后一个元素之间的元 ...
读书笔记：3层神经网络的Python实现 ← 斋藤康毅
本例中,神经网络的层号从0开始,目的是方便利用Python进行实现. 因此,本例所构造的3层神经网络,共有4层神经元.即第0层.第1层.第2层.第3层. [3层神经网络的Python实现] impor ...
深度学习入门-基于Python的理论与实现-斋藤康毅（待续）
神经网络的学习损失函数一般用均方误差和交叉熵误差函数均方误差: 交叉熵误差函数: 基于im2col展开因为老实做卷积,会有很多for循环,而且很慢所以用im2col函数来避免使用for循环 ...

sigmoid函数和阶跃函数的Python代码比较 ← 斋藤康毅

sigmoid函数和阶跃函数的Python代码比较 ← 斋藤康毅相关推荐

最新文章

热门文章