# coding: utf-8 import numpy as np def identity_function(x): return x def step_function(x): return np.array(x > 0, dtype=np.int) def sigmoid(x): return 1 / (1 + np.exp(-x)) def sigmoid_grad(x): return (1.0 - sigmoid(x)) * sigmoid(x) def relu(x): return np.maximum(0, x) def relu_grad(x): grad = np.zeros(x) grad[x>=0] = 1 return grad def softmax(x): if x.ndim == 2: x = x.T x = x - np.max(x, axis=0) y = np.exp(x) / np.sum(np.exp(x), axis=0) return y.T x = x - np.max(x) # 溢出对策 return np.exp(x) / np.sum(np.exp(x)) def mean_squared_error(y, t): return 0.5 * np.sum((y-t)**2) def cross_entropy_error(y, t): if y.ndim == 1: t = t.reshape(1, t.size) y = y.reshape(1, y.size) # 监督数据是one-hot-vector的情况下,转换为正确解标签的索引 if t.size == y.size: t = t.argmax(axis=1) batch_size = y.shape[0] return -np.sum(np.log(y[np.arange(batch_size), t] + 1e-7)) / batch_size def softmax_loss(X, t): y = softmax(X) return cross_entropy_error(y, t)
时间: 2023-12-14 10:04:06 浏览: 55
这是一个包含各种常用神经网络函数的 Python 代码。其中 identity_function 表示恒等函数,step_function 表示阶跃函数,sigmoid 和 sigmoid_grad 表示 sigmoid 函数及其导数,relu 和 relu_grad 表示 ReLU 函数及其导数,softmax 表示 softmax 函数,mean_squared_error 和 cross_entropy_error 表示均方误差损失函数和交叉熵损失函数,softmax_loss 表示将 softmax 函数和交叉熵损失函数合并成一个层。
这些函数在神经网络的训练和测试中都有重要作用。例如,sigmoid 函数常被用于神经网络中的神经元激活函数,用于二分类任务的预测;ReLU 函数则常被用于卷积神经网络中的卷积层激活函数,用于提取图像特征;softmax 函数则常被用于神经网络中的输出层激活函数,用于多分类任务的预测。损失函数则常被用于评估神经网络的性能,用于反向传播算法的求解。
相关问题
# coding=utf-8 和 # coding: utf-8有什么区别
两者的作用是相同的,都是用来指定Python源文件的编码格式为UTF-8。但是,它们的语法有所不同:
- `# coding=utf-8` 使用了等号,这种写法在Python 2.x中是不支持的,只有在Python 3.x中才能使用。
- `# coding: utf-8` 使用了冒号,这种写法在Python 2.x和Python 3.x中都是支持的。
在Python 2.x中,如果你想指定文件编码格式为UTF-8,应该使用第二种写法,即 `# coding: utf-8`。在Python 3.x中,两种写法都可以使用,但是推荐使用第一种写法,即 `# coding=utf-8`。
# coding: utf-8 import sys, os from catdog.deep_convnet import DeepConvNet sys.path.append(os.pardir) # 为了导入父目录而进行的设定 import numpy as np import matplotlib.pyplot as plt from input_data import load_data
这段代码是一个 Python 脚本的开头部分,主要包括导入必要的库和模块,以及设置导入路径。具体来说,该脚本导入了 sys、os、numpy、matplotlib.pyplot 和 load_data 函数。其中,sys 和 os 模块用于设置导入路径,numpy 用于处理数组数据,matplotlib.pyplot 用于绘制图表。另外,该脚本还导入了一个 DeepConvNet 类,用于创建深度卷积神经网络模型。该类定义在 catdog.deep_convnet 模块中,因此需要将该模块所在的路径添加到导入路径中。最后,该脚本调用了 load_data 函数,用于加载训练集和测试集数据。