創建多個神經網絡陣列

Question

我正在學習python，但無法讓我的腦袋製作神經網絡的多個數組我得到的例子傾向於圍繞1個神經數組示例演變，並且我想創建很多。下面的是一個神經網絡如何我展開它在numpy的所以它是非常感謝的advance.Im試圖建立神經網絡陣列的羣各有其隱藏的輸入和輸出層8）

import numpy as np 

epochs = 10000   # Number of iterations 
inputLayerSize, hiddenLayerSize, outputLayerSize = 2,2,1 


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

def sigmoid (x): return 1/(1 + np.exp(-x))  # activation function 
def sigmoid_(x): return x * (1 - x)    # derivative of sigmoid 
               # weights on layer inputs 
Wh = np.random.uniform(size=(inputLayerSize, hiddenLayerSize)) 
Wz = np.random.uniform(size=(hiddenLayerSize,outputLayerSize)) 


for i in range(epochs): 

    H = sigmoid(np.dot(X, Wh))     # hidden layer results 
    Z = sigmoid(np.dot(H, Wz))     # output layer results 
    E = Y - Z         # how much we missed #(error) 
    dZ = E * sigmoid_(Z)      # delta Z 
    dH = dZ.dot(Wz.T) * sigmoid_(H)    # delta H 
    Wz += H.T.dot(dZ)       # update output layer #weights 
    Wh += X.T.dot(dH)       # update hidden layer #weights 

print("------")    # what have we learnt? 
#Walk-through 
print(Z) 

Answer 1

何不你是否將整個網絡寫入一個函數，並將變量作爲參數傳遞，以便可以擁有儘可能多的網絡。

。在你的代碼的錯誤：

def sigmoid (x): return 1/(1 + np.exp(-x))  # activation function 
def sigmoid_(x): return sigmoid(x) * (1 - sigmoid(x)) # derivative of sigmoid 
              # weights on layer inputs