9行Python代码搭建神经网络
来源:互联网 发布:拳皇14出招优化补丁 编辑:程序博客网 时间:2024/06/06 04:28
9行Python代码搭建神经网络
原文:How to build a simple neural network in 9 lines of Python code
作者:Milo Spencer-Harper
翻译:Kaiser(王司图)
前言
在上一篇文章中,Milo给自己定下了两个小目标:
学习层次隐式马尔可夫模型
用Python搭建神经网络
本文讲的就是他如何实现第二个目标。当然,这里的“用Python”指的就是不用那些现成的神经网络库比如Keras、Tensorflow等,否则连9行都不用了。
正文
本文我会解释这个神经网络是怎样炼成的,所以你也可以搭建你自己的神经网络。也会提供一个加长版、但是也更漂亮的源代码。
不过首先,什么是神经网络?人脑总共有超过千亿个神经元细胞,通过神经突触相互连接。如果一个神经元被足够强的输入所激活,那么它也会激活其他神经元,这个过程就叫“思考”。
我们可以在计算机上创建神经网络,来对这个过程进行建模,且并不需要模拟分子级的生物复杂性,只要观其大略即可。为了简化起见,我们只模拟一个神经元,含有三个输入和一个输出。
我们将训练这个神经元来解决下面这个问题,前四个样本叫作“训练集”,你能求解出模式吗??
处应该是0
还是1
呢?
或许已经发现了,输出总是与第一列的输入相等,所以?
应该是1
。
训练过程
问题虽然很简单,但是如何教会神经元来正确的回答这个问题呢?我们要给每个输入赋予一个权重,权重可能为正也可能为负。权重的绝对值,代表了输入对输出的决定权。在开始之前,我们先把权重设为随机数,再开始训练过程:
从训练集样本读取输入,根据权重进行调整,再代入某个特殊的方程计算神经元的输出。
计算误差,也就是神经元的实际输出和训练样本的期望输出之差。
根据误差的方向,微调权重。
重复10000次。
最终神经元的权重会达到训练集的最优值。如果我们让神经元去思考一个新的形势,遵循相同过程,应该会得到一个不错的预测。
计算神经元输出的方程
你可能会好奇,计算神经元输出的人“特殊方程”是什么?首先我们取神经元输入的加权总和:
接下来我们进行正规化,将结果限制在0和1之间。这里用到一个很方便的函数,叫Sigmoid
函数:
如果绘出图像,Sigmoid函数是S形的曲线:
将第一个公式代入第二个,即得最终的神经元输出方程:
调整权重的方程
在训练进程中,我们需要调整权重,但是具体如何调整呢?就要用到“误差加权导数”方程:
为什么是这个方程?首先我们希望调整量与误差量成正比,然后再乘以输入(0-1)。如果输入为0,那么权重就不会被调整。最后乘以Sigmoid曲线的梯度,为便于理解,请考虑:
我们使用Sigmoid曲线计算神经元输出。
如果输出绝对值很大,这就表示该神经元是很确定的(有正反两种可能)。
Sigmoid曲线在绝对值较大处的梯度较小。
如果神经元确信当前权重值是正确的,那么就不需要太大调整。乘以Sigmoid曲线的梯度可以实现。
Sigmoid曲线的梯度可由导数获得:
代入公式可得最终的权重调整方程:
实际上也有其他让神经元学习更快的方程,这里主要是取其相对简单的优势。
构建Python代码
尽管我们不直接用神经网络库,但还是要从Python数学库Numpy中导入4种方法:
exp: 自然对常数
array: 创建矩阵
dot:矩阵乘法
random: 随机数
比如我们用array()
方法代表训练集:
.T
函数就是矩阵转置。我想现在可以来看看美化版的源代码了,最后我还会提出自己的终极思考。源代码中已经添加了注释逐行解释。注意每次迭代我们都一并处理了整个训练集,以下为完整的Python示例:
终极思考
(Kaiser:原文讲的是将代码写入本地main.py
文件,再在终端中运行python main.py
,这里只需点击运行即可。)
我们用Python打造了一个简单的神经网络。
首先神经网络给自己赋予随机的权重值,然后用训练集训练自己,最后去思考新的形势[1 0 0]
并预测了0.99993704
,这与正确答案非常接近。
传统的计算机程序无法学习,神经网络的最大魅力就在于学习能力,可以自主适应新形势,就像人的心智一样。当然,仅仅一个神经元只能完成特别简单的任务,但如果我们把上百万个如此的神经元连接起来呢?能否有朝一日制造出具有自我意识的东西?
- 9行Python代码搭建神经网络
- 如何用9行Python代码编写一个简易神经网络
- 【神经网络】11行Python代码实现的神经网络
- 11行Python代码编写神经网络
- 神经网络入门 Python 十行核心代码
- 从零开始:用Python搭建神经网络
- Tensorflow 搭建简单神经网络 | Python
- Python搭建tensorflow三层神经网络
- python搭建简易神经网络结构
- BP神经网络(python代码)
- 一个 11 行 Python 代码实现的神经网络
- 一个 11 行 Python 代码实现的神经网络
- 一个 11 行 Python 代码实现的神经网络
- 一个 11 行 Python 代码实现的神经网络
- 一个 11 行 Python 代码实现的神经网络
- 13行Python代码实现一个神经网络(Part 2
- 一个 11 行 Python 代码实现的神经网络
- 一个 11 行 Python 代码实现的神经网络
- 扫盲系列—CGI与FastCGI
- POJ
- WebView的坑
- const static const static成员变量的初始化
- Raspberry上手指南(1)
- 9行Python代码搭建神经网络
- 剑指offer--递归非递归合并两个有序链表
- HDU 3506 Monkey Party(区间DP)
- 组合模式
- 重载Comparator
- IDEA快捷键
- 网站的SQL注入实战
- Apache Kylin无法启动,卡在 “Logging initialized using configuration..."
- HDU5810 Balls and Boxes