DL：LinearNN(numpy自定义的) solve XOR problem

DL：LinearNN(numpy自定义的) solve  XOR problem

目录

输出结果

核心代码

LinearNN使用案例

输出结果

核心代码

  

   

    

     

    
    

     

      #BP solve XOR Problem
     
    
   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #输入数据，第一列的数字1表示偏置
     
    
   

    

     

    
    

     

      X = np.array ([[1, 0, 0], 
     
    
   

    

     

    
    

     

       [1, 0, 1], 
     
    
   

    

     

    
    

     

       [1, 1, 0],
     
    
   

    

     

    
    

     

       [1, 1, 1]]) 
     
    
   

    

     

    
    

     

      #标签
     
    
   

    

     

    
    

     

      Y = np.array ([[0, 1, 1, 0]]) #两个中括号代表二维。分别对应00、01、10、11
     
    
   

    

     

    
    

     

      #权值初始化，3行4列，取值范围[-1,1]
     
    
   

    

     

    
    

     

      V = np.random.randn(3,4)*2-1
     
    
   

    

     

    
    

     

      W = np.random.randn(4,1)*2-1
     
    
   

    

     

    
    

     

      print (V) 
     
    
   

    

     

    
    

     

      print (W) 
     
    
   

    

     

    
    

     

      #设置学习率
     
    
   

    

     

    
    

     

      lr = 0.11 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      def update():  #更新权值的函数
     
    
   

    

     

    
    

     
 global X,Y,W,V,lr   #当自定义的函数需要调用外部的参数时，需要利用global进行声明为全局变量
     
    
   

    

     

    
    

     

       L1=sigmoid(np.dot(X,V))  #隐藏层输出4*4
     
    
   

    

     

    
    

     

       L2=sigmoid(np.dot(L1,W)) #输出层输出4*1
     
    
   

    

     

    
    

     

       L2_delta=(Y.T-L2)*dsigmoid(L2)   #Y.T就是Y的转置
     
    
   

    

     

    
    

     

       L1_delta=L2_delta.dot(W.T)*dsigmoid(L1)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       W_C=lr*L1.T.dot(L2_delta)
     
    
   

    

     

    
    

     

       V_C=lr*X.T.dot(L1_delta)
     
    
   

    

     

    
    

     

       W=W+W_C
     
    
   

    

     

    
    

     

       V=V+V_C
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      for i in range(20000):
     
    
   

    

     

    
    

     

       update() #更新权值
     
    
   

    

     

    
    

     
 if i%500==0:
     
    
   

    

     

    
    

     

       L1=sigmoid(np.dot(X,V))  #隐藏层输出4*4
     
    
   

    

     

    
    

     

       L2=sigmoid(np.dot(L1,W)) #输出层输出4*1
     
    
   

    

     

    
    

     

       print("error:",np.mean(np.abs(Y.T-L2)))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      L1=sigmoid(np.dot(X,V))  #隐藏层输出4*4
     
    
   

    

     

    
    

     

      L2=sigmoid(np.dot(L1,W)) #输出层输出4*1
     
    
   

    

     

    
    

     

      print(L2)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      def judge(x):
     
    
   

    

     

    
    

     
 if x>=0.5:
     
    
   

    

     

    
    

     
 return 1
     
    
   

    

     

    
    

     
 else:
     
    
   

    

     

    
    

     
 return 0
     
    
   

    

     

    
    

     

      for i in map(judge,L2):
     
    
   

    

     

    
    

     

       print(i)
     
    
  
 

LinearNN使用案例

1、LinearNN简单案例

2、LinearNN solve  XOR problem
当lr=0.3时，相对比较大，每一个步长比较大，所以会在坑底部(最小值)两端进行跳动，然后训练到一定轮数，再改lr=0.03即可看到更好的情况。

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/80789976