【深度学习的数学】绘制2×3×1层带sigmoid激活函数的神经网络感知机输出函数的三维图像（神经网络参数使用正态分布随机数）

阅读博客时，神经网络的输入变量刚好为两个，输出变量为1个，于是想绘制一下输出函数的三维图像是什么样的

代码

# -*- coding: utf-8 -*-
"""
@File    : 1.py
@Time    : 2020/5/25 21:33
@Author  : Dontla
@Email   : sxana@qq.com
@Software: PyCharm
"""
# 第一种创建3D图形的方法:创建子图# 用创建子图的方法画出来感觉要比下面的方法小一点??from matplotlib import pyplot as plt  # 用来绘制图形from mpl_toolkits.mplot3d import Axes3Dimport numpy as np  # 用来处理数据# Dontla：定义sigmoid函数
def sigmoid(x):return 1.0 / (1 + np.exp(-x))# 初始化神经网络参数（用正态分布随机数）
w1 = np.random.randn(2, 3)
b1 = np.random.randn(3)
w2 = np.random.randn(3)fig = plt.figure()print('fig的类型:', type(fig), '\n')print('fig:\n', fig, '\n')ax = fig.add_subplot(111, projection='3d')print('ax的类型:', type(ax), '\n')print('ax:\n', ax, '\n')# X = np.arange(-10, 10, 0.25)
X = np.arange(-10, 10, 0.1)# Y = np.arange(-10, 10, 0.25)
Y = np.arange(-10, 10, 0.1)X, Y = np.meshgrid(X, Y)Z = sigmoid(w2[0] * sigmoid(w1[0, 0] * X + w1[1, 0] * Y + b1[0]) +w2[1] * sigmoid(w1[0, 1] * X + w1[1, 1] * Y + b1[1]) +w2[2] * sigmoid(w1[0, 2] * X + w1[1, 2] * Y + b1[2]))ax.plot_surface(X, Y, Z, cmap='rainbow')plt.show()

结果：

结果每次都不一样的

参考文章1：【深度学习的数学】激活函数的作用是什么？

参考文章2：python numpy.random.randn()与numpy.random.rand()的区别 (正态分布公式)（标准正态分布 standard normal distribution）

参考文章3：深入浅出python机器学习_如何用python画三维图? add_subplot() Axes3D() plot_surface() gca()

【深度学习的数学】绘制2×3×1层带sigmoid激活函数的神经网络感知机输出函数的三维图像（神经网络参数使用正态分布随机数）相关推荐

【深度学习的数学】2×3×1层带sigmoid激活函数的神经网络感知机对三角形平面的分类训练预测（绘制出模型结果三维图展示效果）（梯度下降法+最小二乘法+激活函数sigmoid+误差反向传播法）
文章目录训练数据数据示意训练数据生成及绘制三维图像代码训练数据三维图像搭建神经网络结构网络结构利用梯度下降法和误差反向传播法计算损失函数损失值代码 [灾难降临]代码出现严重问题,已将其 ...
【深度学习的数学】“2×4×1层带sigmoid激活函数的神经网络感知机对三角形平面的分类训练预测”，输出层加偏置b（实时绘制损失函数曲线）（对输入数据归一化）（奇迹出现了！）
文章目录前言代码修改之前错误的代码知道为何Z的结果不能拟合到预期的5了解决办法1:取消输出层神经单元的a和b(直接将z作为输出)(这个办法不行,影响神经单元的完整性,没法计算出输出层神经单元 ...
【深度学习的数学】接“2×3×1层带sigmoid激活函数的神经网络感知机对三角形平面的分类训练预测”，输出层加偏置b
文章目录代码接:[深度学习的数学]2×3×1层带sigmoid激活函数的神经网络感知机对三角形平面的分类训练预测(绘制出模型结果三维图展示效果)(梯度下降法+最小二乘法+激活函数sigmoid+误 ...
【深度学习的数学】激活函数的作用是什么？
转载文章:神经网络激活函数的作用是什么? Donlta备注不带激活函数的单层感知机是一个线性分类器,无法解决线性不可分(分类)问题不带激活函数的多层感知机(带隐藏层)合并后也是一个线性分类器,也无 ...
【深度学习的数学】初始权重和偏置参数对模型训练非常重要！（预训练模型、预训练文件、初始权重）
在进行 [深度学习的数学]接"2×3×1层带sigmoid激活函数的神经网络感知机对三角形平面的分类训练预测",输出层加偏置b 的测试中,我们发现,模型的初始权重对模型的训练结果是 ...
深度学习的数学-卷积神经网络的误差反向传播
文章目录前言正文卷积神经网络中的关系式卷积层池化层输出层平方误差(损失函数) 梯度下降法卷积层和输出层的神经单元误差(重点) 输出层的神经单元误差计算输出层的神经单元与其权重偏置的关 ...
《深度学习的数学》笔记【各种概念】
文章目录第一章神经网络的思想 1-1 神经网络和深度学习 1-2 神经元工作的数学表示 1-3 激活函数:将神经元的工作一般化 1-4 什么是神经网络 1-5 用恶魔来讲解神经网络的结构 1-6 ...
小综述 | 深度学习在数学文本相关领域的研究梳理
每天给你送来NLP技术干货! 作者|龚政机构|中国人民大学硕士二年级方向|自然语言处理来自 | RUC AI Box 近年来,随着大规模语言模型和其他深度学习技术的迅速发展,人工智能在自然语言的 ...
深度学习的数学-神经单元误差和反向传播
文章目录前言正文神经单元误差梯度下降算法在实际应用中的难点神经单元误差的定义和含义神经单元误差关于权重和偏置的偏导数(重点) 关于权重的偏导数推导偏置的偏导数推导公式一般化误差反向传 ...

【深度学习的数学】绘制2×3×1层带sigmoid激活函数的神经网络感知机输出函数的三维图像（神经网络参数使用正态分布随机数）

代码

【深度学习的数学】绘制2×3×1层带sigmoid激活函数的神经网络感知机输出函数的三维图像（神经网络参数使用正态分布随机数）相关推荐

最新文章

热门文章