学习Make your own neural network 记录(二)

通过前面的理论学习，以及关于Error和weight的关系分析，得出的公式，练习做一个自己的神经网络，通过Python3.5：

跟随书上的python introduction，介绍下numpy中的zeros():

import numpy
a = numpy.zeros([3,2])
a[0,0] = 1
a[1,1] = 2
a[2,1] = 5
print(a)

结果是：

　　　　[[1. 0.]
　　　　[0. 2.]
　　　　[0. 5.]]

可以用这个方法来生成矩阵。

接下来用python搭建神经网络的骨骼：

搭建一下基本的模型：

import numpy
class neuralNetwork:
    def __init__(self, inputnodes, hiddennodes, outputnodes, learningrate):
        self.inodes = inputnodes
        self.hnodes = hiddennodes
        self.onodes = outputnodes

        self.lr = learningrate
        # generate the link weights between the range of -1 to +1
        self.wih = numpy.random.normal(0.0, pow(self.hnodes, -0.5), (self.hnodes, self.inodes))
        self.who = numpy.random.normal(0.0, pow(self.onodes, -0.5), (self.onodes, self.hnodes))
        pass

    def train(self):
        pass

    def query(self):
        pass

#Test
input_nodes = 3
hidden_nodes = 3
output_nodes = 3
learning_rate = 0.5

# create instance of neural network
n = neuralNetwork(input_nodes, hidden_nodes, output_nodes, learning_rate)

cunstructor里面有开始节点，hidden节点，以及output节点，包括learning rate.

各个link weight使用numpy随机数的形式，初始化生成一系列的weight然后再通过training data 去寻找error，进行反向modify

原文地址：https://www.cnblogs.com/ChrisInsistPy/p/9056066.html