最簡單的神經網絡算法，2層深經網絡

@[TOC]最簡單的神經網絡算法

最簡單的神經網絡算法

圖檔:

帶尺寸的圖檔:

當然，我們為了讓使用者更加便捷，我們增加了圖檔拖拽功能。

如何插入一段漂亮的代碼片

去部落格設定頁面，選擇一款你喜歡的代碼片高亮樣式，下面展示同樣高亮的

代碼片

.

//導包
import numpy as np
//定義激活函數，這裡使用sigmoid，現在基本都用relu
def sigmoid(x,deriv=False):
    if(deriv == True):
        return x*(1-x)
    return 1/(1+np.exp(-x))
    //定義圖像，這裡自定義了一個3個特征矩陣
x=np.array([[0,0,1],
          [0,1,1],
          [1,0,1],
          [1,1,1],
          [0,0,1]]
          )
//定義标簽，0，1可分别代表不同的類别
y=np.array([[0],
           [1],
           [1],
           [0],
           [0]]
          )
//設定權重
np.random.seed(1)
//初始化權重是權重在-1~1之間
w0=2*np.random.random((3,4))-1
w1=2*np.random.random((4,1))-1
//循環疊代
for j in xrange(600000):
    l0=x//輸入層
    l1=sigmoid(np.dot(l0,w0))//第一層=輸入層*權重然後進行激活函數
    l2=sigmoid(np.dot(l1,w1))//第二層=第一層層*權重然後進行激活函數
    l2_error=y-l2//計算錯誤率，這邊用減号，下面修正初始化參數就用加号，反之，依然
    if(j%10000)==0:
        print('Error'+str(np.mean(np.abs(l2_error))))//每隔1萬次輸出錯誤率均值
    l2_delta=l2_error*sigmoid(l2,deriv=True)//反向求梯度
    l1_error=l2_delta.dot(w1.T)//這裡w1轉置為了與l2_delta能夠進行矩陣乘積
    l1_delta=l1_error*sigmoid(l1,deriv=True)
    //修正參數。這裡的加好與計算錯誤率符号相反
    w1+=l1.T.dot(l2_delta)
    w0+=l0.T.dot(l1_delta)
           

生成一個适合你的清單

• 項目
  • 項目
    • 項目

1. 項目1
2. 項目2
3. 項目3

• 計劃任務
• 完成任務

建立一個表格

一個簡單的表格是這麼建立的：

項目	Value
電腦	$1600
手機	$12
導管	$1

設定内容居中、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标點字元轉換為“智能”印刷标點HTML實體。例如：

TYPE	ASCII	HTML
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

建立一個自定義清單

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何建立一個注腳

一個具有注腳的文本。1

注釋也是必不可少的

Markdown将文本轉換為 HTML。

KaTeX數學公式

您可以使用渲染LaTeX數學表達式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通過歐拉積分

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

你可以找到更多關于的資訊 LaTeX 數學表達式here.

新的甘特圖功能，豐富你的文章

• 關于 甘特圖 文法，參考 這兒,

UML 圖表

可以使用UML圖表進行渲染。 Mermaid. 例如下面産生的一個序列圖：:

這将産生一個流程圖。:

• 關于 Mermaid 文法，參考 這兒,

FLowchart流程圖

我們依舊會支援flowchart的流程圖：

• 關于 Flowchart流程圖 文法，參考 這兒.

導出與導入

導出

如果你想嘗試使用此編輯器, 你可以在此篇文章任意編輯。當你完成了一篇文章的寫作, 在上方工具欄找到 文章導出 ，生成一個.md檔案或者.html檔案進行本地儲存。

導入

如果你想加載一篇你寫過的.md檔案或者.html檔案，在上方工具欄可以選擇導入功能進行對應擴充名的檔案導入，

繼續你的創作。

1. 注腳的解釋 ↩︎