中的sigmoid函数
sigmoid函数是一种常用的数学函数，也称为S型函数。它的特点是将输入的实数映射到一个介于0和1之间的值，常用于二分类问题中的概率预测和神经网络中的激活函数。
sigmoid函数的数学表达式为：f(x) = 1 / (1 + e^(-x))
sigmoid函数的分类：
- 单位阶跃函数：当x大于等于0时，输出为1；当x小于0时，输出为0。
- 逻辑函数：将输入的实数映射到0和1之间的概率值。
sigmoid函数的优势：
- 可以将输入的实数映射到一个概率值，适用于二分类问题的概率预测。
- 在神经网络中作为激活函数，可以将输出限制在0和1之间，有助于网络的稳定性和收敛性。
sigmoid函数的应用场景：
- 二分类问题中的概率预测，如判断一封邮件是否为垃圾邮件。
- 神经网络中的激活函数，用于引入非线性因素，提高网络的表达能力。
腾讯云相关产品和产品介绍链接地址：
腾讯云提供了丰富的云计算产品和服务，以下是与sigmoid函数相关的产品和链接地址：
- 人工智能平台（https://cloud.tencent.com/product/ai）
- 腾讯云人工智能平台提供了丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等，可以应用于sigmoid函数相关的问题。
请注意，以上仅为示例，实际上腾讯云可能没有与sigmoid函数直接相关的特定产品或服务。
相关·内容
我在试着弄清楚火把是如何工作得更好。通常，在定义神经网络类时，在init()构造函数中，人们会编写self.sigmoid = nn.Sigmoid()，以便在前进()方法中，他们可以多次调用sigmoid函数，每次都必须恢复nn.Sigmoid()。
但是，为什么nn.Sigmoid不只是一个方法，而不是一个类呢？
另外，我很好奇在torch.nn中“nn”指的是什么(包)？图书馆？)。
谢谢!
浏览 0提问于2019-04-10得票数 3
回答已采纳
让我们假设有我定义的sigmoid函数。
def sigmoid(self, x):
return something
我有数组。
a = np.array([1, 2, 3, 4, 5, 6])
我想做这样的"a“：
a = [sigmoid(1), sigmoid(2), sigmoid(3), sigmoid(4), sigmoid(5), sigmoid(6)]
有没有不使用for循环的方法？我是说，一些麻木的函数？
浏览 0提问于2021-11-26得票数 0
具体来说，我想应用以下sigmoid函数：
def sigmoid(x):
return 1 / (1 + m.exp(-x))
对于以下2x2 Sympy矩阵的每个元素：
Matrix([[1,3],[2,4]])
Matrix([
[1, 3],
[2, 4]])
这样，在将sigmoid函数应用到矩阵上时，我将得到一个新的2x2矩阵，其中矩阵的每个元素都应用了sigmoid。如下所示：
Matrix([[ sigmoid(1), sigmoid(3) ],[ sigmoid(2), sigmoid(4) ]])
这是如何做到的呢？
浏览 0提问于2018-03-27得票数 2
回答已采纳
1回答
def sigmoid(x):
s = 1/(1+np.exp(-x))
return s
def sigmoid_derivative(x):
#Arguments: x is A scalar or numpy array
s = sigmoid(x)
ds = s(1-s)
return ds
x = np.array([1, 2, 3])
print ("sigmoid_derivative(x) = " + str(sigmoid_derivative(x)))
我得到了这个错误：
Typ
浏览 0提问于2018-11-10得票数 0
1回答
上下文：
在Octave中，我为一个Sigmoid函数编写了代码，该函数返回0到1之间的值；在理想的世界中，它只返回0表示-Inf，返回1表示+Inf，但是由于浮点不精确，非常接近这两个值的值都是四舍五入的。
问题是：
我的问题是为什么会出现以下情况:对于0和1，舍入的边界明显不同：
>> sigmoid(-709)
ans = 1.2168e-308
>> sigmoid(-710)
ans = 0
>> sigmoid(36)
ans = 1.00000
>> sigmoid(37)
ans = 1
>> (sigmoid
浏览 0提问于2019-02-12得票数 6
回答已采纳
3回答
我在python中有这样的类
import numpy as np
class BackPropogationNetwork:
# Static lambdas
sigmoid = lambda x : 1/(1+np.exp(-x))
sigmoid_prime = lambda sigmoid: sigmoid(1-sigmoid)
这就是施工者
def __init__(self):
self.some_attr = self.sigmoid(2)
我得到了这个错误
TypeError: <lambda>() t
浏览 0提问于2015-10-24得票数 7
1回答
各位，我是Octave\MatLab的新手，我有以下疑问。我用下面的代码计算一个参数z的sigmoid函数：
function g = sigmoid(z)
%SIGMOID Compute sigmoid function
% g = SIGMOID(z) computes the sigmoid of z.
% You need to return the following variables correctly
g = zeros(size(z));
% ====================== YOUR CODE HERE ======================
浏览 0提问于2019-05-13得票数 0
2回答
我想创建一个值范围从0.0到1.0的数组，如下所示：
基本上，左边缘和顶边应该保持接近1.0，但在角落慢慢衰减到0.5。底部和右侧边缘应保持接近0.0。中间区域应基本上为0.5，值应从1.0到0.0沿对角线衰减。
这就是我尝试过的，但它并没有给我想要的东西。
import numpy as np
import matplotlib.pyplot as plt
def sigmoid(x):
y = np.zeros(len(x))
for i in range(len(x)):
y[i] = 1 / (1 + math.exp(-x[i]))
return y
sigm
浏览 13提问于2020-02-14得票数 0
我正在尝试将一组数字转换为sigmoid：
actualarray = {
'open_cost_1':{
'cost_matrix': [
{'a': 24,'b': 56,'c': 78},
{'a': 3,'b': 98,'c':1711},
{'a': 121,'b': 12121,'c': 12989121},
浏览 3提问于2016-08-29得票数 0
回答已采纳
1回答
我一直试图重建输入数据，输入到我的RBM程序中，用C++编写，借助特征库。但是为了使重构矩阵的矩阵元素保持在一定的范围内，我需要对这些矩阵应用一个sigmoid函数。当我这样做，我得到一个转换错误，我不知道如何绕过它。
以下是在头文件中计算的Sigmoid函数：
double sigmoid(double x)
{
return 1.0 / (1.0 + exp(-x));
}
下面是我计算重建的方法：
MatrixXd V;
double well[36];
浏览 3提问于2016-01-14得票数 1
回答已采纳
2回答
我试图理解乙状结肠函数的导数在神经网络中的作用。
首先，我用python绘制乙状结肠函数，并从定义中派生出所有点。这个导数的作用到底是什么？
import numpy as np
import matplotlib.pyplot as plt
def sigmoid(x):
return 1 / (1 + np.exp(-x))
def derivative(x, step):
return (sigmoid(x+step) - sigmoid(x)) / step
x = np.linspace(-10, 10, 1000)
y1 = sigmoid(x)
浏览 0提问于2018-04-23得票数 1
回答已采纳
在Keras文档中的培训示例中，
使用binary_crossentropy，并在网络的最后一层中添加sigmoid激活，但是否有必要在最后一层中添加sigmoid？正如我在源代码中所发现的：
def binary_crossentropy(output, target, from_logits=False):
"""Binary crossentropy between an output tensor and a target tensor.
Arguments:
output: A tensor.
target: A tensor
浏览 8提问于2017-08-17得票数 8
3回答
我有一个由18260个输入字段和4个输出组成的大数据集。我正在使用Keras和Tensorflow构建一个神经网络，它可以检测可能的输出。
然而，我尝试了许多解决方案，但准确率无法达到55%以上，除非我在除第一个模型层之外的所有模型层中使用sigmoid激活函数，如下所示：
def baseline_model(optimizer= 'adam' , init= 'random_uniform'):
# create model
model = Sequential()
model.add(Dense(40, input_dim=18260, activatio
浏览 4提问于2018-11-30得票数 1
1回答
function [J, grad] = costFunction(theta, X, y)
m = length(y);
h = sigmoid(X*theta);
sh = sigmoid(h);
grad = (1/m)*X'*(sh - y);
J = (1/m)*sum(-y.*log(sh) - (1 - y).*log(1 - sh));
end
我试图计算逻辑回归的成本函数。有人能告诉我为什么这不准确吗？
更新: Sigmoid函数
function g = sigmoid(z)
g = zeros(size(z));
g = 1./(1 + exp(1)
浏览 0提问于2015-10-08得票数 2
回答已采纳
function g = sigmoid(z)
%SIGMOID Compute sigmoid function
%J = SIGMOID(z) computes the sigmoid of z.
g = 1.0 ./ (1.0 + exp(-z));
end
我正在读安德鲁·吴的课程。我怀疑exp(-z)是如何直接计算的，而z是矩阵吗？
浏览 0提问于2019-01-14得票数 0
2回答
不同Sigmoid方程及其实现
、、、、
在回顾神经网络中使用的Sigmoid函数时，我们从中找到了这个方程。
与标准的乙状结肠方程不同：
第一个方程在某种程度上涉及均值和标准差(我希望我没有错误地读到符号)，而第二个方程将负数平均值推广，除以标准差为常数，因为它在向量/矩阵/张量中的所有项中都是相同的。
所以在执行方程时，我得到了不同的结果。
用第二个方程(标准乙状结肠函数)：
def sigmoid(x):
return 1. / (1 + np.exp(-x))
我得到了这些输出：
>>> x = np.array([1,2,3])
>>> print sigmoi
浏览 3提问于2016-04-27得票数 7
4回答
Numpy纯函数用于性能、缓存
、、、、
我正在用numpy编写一些性能适中的关键代码。这段代码将在内部最循环中，计算的运行时间以小时为单位。快速计算表明，在计算的某些变体中，该代码将执行大约10^12次。
因此，函数是计算sigmoid(X)，另一个计算它的导数(梯度)。Sigmoid具有用于
y=sigmoid(x)，dy/dx= y(1-y)
在python中，numpy如下所示：
sigmoid = vectorize(lambda(x): 1.0/(1.0+exp(-x)))
grad_sigmoid = vectorize(lambda (x): sigmoid(x)*(1-sigmoid(x)))
可以看出，这两种功能都
浏览 8提问于2014-01-14得票数 13
回答已采纳
据我所知，您使用sigmoid函数将一个数字缩小到0-1的范围。
使用在此中找到的函数
function sigmoid(z) {
return 1 / (1 + Math.exp(-z));
}
这适用于数字1-36。任何高于此值的数字都将返回1。
sigmoid(36) -> 0.9999999999999998
sigmoid(37) -> 1
sigmoid(38) -> 1
sigmoid(9000) -> 1
如何扩大范围，以便该函数可以处理大于36的数字。
浏览 4提问于2019-02-07得票数 3
回答已采纳
8回答
我正在从coursera学习机器学习。我正在尝试计算sigmoid函数，我有以下代码：
function g = sigmoid(z)
%SIGMOID Compute sigmoid functoon
% J = SIGMOID(z) computes the sigmoid of z.
% You need to return the following variables correctly
g = zeros(size(z));
% ====================== YOUR CODE HERE ======================
% Instruc
浏览 62提问于2016-07-31得票数 0
2回答
sigmoid函数可作为机器学习中的激活函数。
{\displaystyle S(x)={\frac {1}{1+e^{-x}}}={\frac {e^{x}}{e^{x}+1}}.}
如果用2代替e，
def sigmoid2(z):
return 1/(1+2**(-z))
x = np.arange(-9,9,dtype=float)
y = sigmoid2(x)
plt.scatter(x,y)
情节看起来很相似。
📷
为什么逻辑函数使用e而不是2？
浏览 0提问于2019-06-06得票数 8
回答已采纳
我所做的工作如下：
我有一个tensorflow DNN层的列表。nn.append(tf.layers.dense(...))
上面的每个列表都被附加到np.memmap对象的列表中。nnList[i] = nn
我可以访问备忘录列表并检索张量。但是，当尝试访问joblib.parallel中的张量时，它返回'None‘类型的对象。但是，memmap列表的长度在joblib.parallel中是正确的。
下面我附上了一个示例代码。
import os
import tempfile
import numpy as np
import
浏览 0提问于2018-07-30得票数 0
回答已采纳
我在ds = s(1 - s)中遇到错误。请告诉我这里的问题是什么
在sigmoid_derivative(x) 16中###开始这里的代码### (≈2行代码)
17 s = 1/(1+np.exp(-x))
-> 18 ds = s(1 - s)
19 ### END CODE HERE ###
20
21 x = np.array([1, 2, 3])
22 print ("sigmoid_derivative(x) = " + str(sigmoid_derivative(x)))
TypeError：“numpy.
浏览 13提问于2017-08-24得票数 0
我在Ipython notebook中编写了以下代码，以生成由参数a和b控制的sigmoid函数，参数a定义sigmoid中心的位置，b定义其宽度：
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
def sigmoid(x,a,b):
#sigmoid function with parameters a = center; b = width
s= 1/(1+np.exp(-(x-a)/b))
return 100.0*(s-min(s))/(max(s)-
浏览 11提问于2014-12-16得票数 7
回答已采纳
1回答
我似乎找不到任何关于如何在neuralnet包中应用sigmoid函数的文档，我试过了：
neuralnet(...,act.fct="sigmoid")
然而，这是返回的；
Error: ''act.fct' is not known
浏览 1提问于2017-02-03得票数 1
回答已采纳
1回答
我试图建立一个神经网络，我有几个问题：
我的乙状结肠功能就像
s = 1/(1+(2.7183**(-self.values)))
if s > self.weight:
self.value = 1
else:
self.value = 0
self.values是连接节点的数组，例如HL(隐藏层) 1中的HNs(隐藏节点)连接到所有输入节点，因此self.values是sum(inputnodes.values)。
HL2中的HNs连接到HL1中的所有HNs，它的self.values是sum(HL.values)
问题是，每个节点都得到1的
浏览 1提问于2014-07-26得票数 1
回答已采纳
我一直在尝试神经网络，下面是一个简单的函数，如果这个数字是奇数，它使用乙状结肠函数输出1(或一个非常接近的数字)，如果这个数字是偶数，则输出0。经过神经网络训练，输出是正确的。当引入新值时，输出为零。为什么输出为零？
import numpy as np
inputs = np.array([9, 45, 62, 87, 88, 49])
outputs = np.array([1, 1, 0, 1, 0, 1]) # 1 for odd 0 for even
weights = np.random.random(()) # weights are initialized as rando
浏览 2提问于2020-02-26得票数 0
回答已采纳
我想创建一个前馈神经网络，其中训练数据中的输出是布尔值，0或1。
然而，在使用中，我希望输出是该输入产生0或1的预期概率。
考虑到最常见的backprop形式使用sigmoid激活函数，这似乎不太可能导致实际概率作为输出( sigmoid曲线看起来并不是真正的“概率”函数-对不起，我知道这是手电波)。
或许我错了。使用sigmoid激活函数并使用backprob训练的前馈神经网络的输出是否可以安全地视为获得1的实际概率，而不是0？
浏览 2提问于2011-05-17得票数 0
回答已采纳
#Get libraries
import scipy.optimize as opt
import numpy as np
import pandas
import matplotlib.pyplot as plt
def plotData():
plt.scatter(X[y==1,0],X[y==1,1], marker='+', c='black',label="Admitted")
plt.scatter(X[y==0,0],X[y==0,1], marker='.', c='y',
浏览 1提问于2020-05-20得票数 0
2回答
有多个来源，但他们的解释对我来说有点太高了，以至于我无法真正理解。
以下是我对此模型的工作原理的了解；
我们使用权重*值在前一层的节点中前馈信息。我们在这里不使用sigmoid函数。这是因为如果我们在这里使用sigmoid函数，任何隐藏层都将强制该值为正。如果它始终为正，则后续值永远不能小于0.5。
当我们前馈到输出时，然后对输出使用sigmoid函数。
因此，总的来说，我们只在输出层值上使用sigmoid函数。
我将尝试包含一个希望不是很糟糕的图表
我已经用自己的代码进行了测试，显然它不应该是每个值和权重的sigmoid函数，但我不确定它是否只是权重*值的总和
浏览 0提问于2019-07-15得票数 0
1回答
我很困惑，我知道CUDA和其他图书馆允许使用模板结构作为函子。因此，我为一个神经网络类设计了其中几个：
struct sigmoid
{
sigmoid()=default;
__device__ float operator()(const float x) const
{
浏览 3提问于2015-12-01得票数 0
回答已采纳
我正在使用Scala Breeze开发一个简单的分类算法。我想使用Breeze数字对我正在处理的矩阵应用不同的函数，特别是sigmoid和tanh。单独使用sigmoid很好，但我希望选择sigmoid或tanh，方法是将函数指定为字符串参数，然后在方法中使用它。我试过了：
// this code works
import breeze.numerics._
val H: BDM[Double] = sigmoid((M(::,*) + bias).t)
// this code throws an error
def activationFuncBreeze(af: String) =
浏览 17提问于2017-09-13得票数 0
我是一名高中生，我刚刚开始学习机器学习，以进一步提高我的编码知识。我试用了Octave程序，并一直在研究神经网络，或者至少是尝试过。然而，在我的第一个程序中，我已经发现自己在使用Sigmoid梯度函数时陷入了僵局。当我试图使函数对矩阵中的每个值起作用时，我不知道如何做。我试着把z作为函数的参数，但是它显示"z“本身是未定义的。我对C和C++一无所知，而且我在这方面还是个新手，所以很抱歉我花了一些时间去理解它。感谢任何愿意提供帮助的人！
我正在运行Octave 4.4.1，我还没有尝试过任何其他的解决方案，因为我真的没有任何解决方案。
% Main Code
g = sigGra
浏览 18提问于2019-03-26得票数 0
回答已采纳
3回答
分类问题，如logistic回归或多项式logistic回归，优化了一个交叉熵损失.通常情况下，交叉熵层遵循软最大层，产生概率分布.
在tensorflow中，至少有一打不同的交叉熵损失函数()。
tf.losses.softmax_cross_entropy
tf.losses.sparse_softmax_cross_entropy
tf.losses.sigmoid_cross_entropy
tf.contrib.losses.softmax_cross_entropy
tf.contrib.losses.sigmoid_cross_entropy
tf.nn.
浏览 19提问于2017-10-31得票数 99
回答已采纳
当我在Matlab中遇到警告时，我正在为Andrew编写课程的一个函数。我还没有写出答案应该是什么，但是开始的代码都在这里，除了一行解释。问题不在于寻找问题的答案，而在于解释Matlab的警告。
我收到的警告(不是错误)说：
Line 6: The variable 'g' appears to be preallocated but preallocation is not recommended here
这是密码
function g = sigmoid(z)
%SIGMOID Compute sigmoid function
% g = SIGMOID(z) co
浏览 7提问于2017-06-21得票数 5
回答已采纳
我一直在尝试让一个简单的sigmoid函数在matlab中工作，它似乎只对矩阵的第一个元素有效。
我的代码是：
function g = sigmoid(z)
g = zeros(size(z));
g = 1/(1 + exp(-z));
end
现在它可以很好地处理简单的值，比如：
>>sigmoid(0)
ans = 0.5000
而是为了：`
>>k = [0; 0; 0; 0; 0];
>>sigmoid(k)`
它给了我：
ans = 0.5000 0 0 0 0
查看'exp‘，它说这是一个基于元素的操作，所以我不确定我
浏览 0提问于2016-09-14得票数 1
我在Python3.7中有一个Enum类，定义如下：
# activation functions
def relu(x: float) -> float:
return x * (x > 0)
def sigmoid(x: float) -> float:
return 1 / (1 + math.exp(-x))
class Activation(Enum):
SIGMOID = sigmoid
RELU = relu
def __call__(self, x):
return self.value(x)
浏览 3提问于2020-05-03得票数 4
回答已采纳
2回答
我正在用Python编写一个没有阈值的非常简单的感知器，我使用的是sigmoid函数，但我需要一个明确的指南来遵循，我对如何构造输出感到困惑。
Input = [(1,1,0), (0,1,0),(1,1,1),(0,0,1)]
weights = [0,0,0]
output = sigmoid(input)
sigmoid = 1.0/(1.0 + exp(- Input)
sigmoid_derative = sigmoid * (1.0 - sigmoid)
我没有用python测试代码，但这只是我从讲座中学到的一场精神风暴。但我不确定什么时候使用sigmoid_derative？据我
浏览 2提问于2013-04-07得票数 0
当我使用torch.sigmoid时，我的模型可以工作。我试图通过创建一个新的sigmoid函数来使sigmoid变得更陡峭： def sigmoid(x):
return 1 / (1 + torch.exp(-1e5*x)) 但是由于某种原因，渐变并没有流过它(我得到的是NaN)。我的函数是否有问题，或者有没有办法简单地将PyTorch实现更改为更陡峭(像我的函数一样)？ 代码示例： def sigmoid(x):
return 1 / (1 + torch.exp(-1e5*x))
a = torch.tensor(0.0, requires_grad=True)
b =
浏览 263提问于2021-04-22得票数 2
回答已采纳
为什么log-sigmoid激活函数是隐藏层中的主要选择，而不是tanh-sigmoid激活函数？此外，如果我使用Z-得分归一化，我是否可以使用乙状结肠激活函数在隐藏层？
浏览 0提问于2017-07-15得票数 1
回答已采纳
我正在尝试实现一个逆Sigmoid函数到我的卷积神经网络的最后一层？我正在尝试在Pytorch中构建网络，我想从最后一个卷积层获得输出，然后对其应用逆Sigmoid函数。 我读到logit函数是sigmoid函数的反面，我试着实现它，但它不起作用。我使用了scipy库中的logit函数，并在函数中使用了它。 def InverseSigmoid(self, x):
x = logit(x)
return x
浏览 2067提问于2021-02-09得票数 0
我使用下面的代码调用经过训练的咖啡因模型来预测values.Unfortunately，当我改变因子的数据时，结果是没有变化的。有人能帮帮我吗？
std::string ModelFilePath = "net_csv_hdf5_for_prediction.prototxt";
std::string WeightFilePath = "rt_hdf5_iter_5000.caffemodel";
float Factors[] = { -0.007, 0.207, -0.071, -0.007, -0.009, ...}; // here I ignore
浏览 3提问于2016-11-14得票数 1
我正在用python做一个ANN，然后开始做反向传播。我很快就遇到了试图计算偏差的delta值的问题。这成了一个问题，因为我使用的是sigmoid函数，当激活值为1时，它的导数(sigmoid(x)*(1-sigmoid(x)))恰好返回0。它总是返回0的问题是，增量也将是0，因此我将无法反向传播偏差的权重。
浏览 6提问于2020-11-04得票数 0
2回答
我无法应用ucminf函数来最小化R中的成本函数。
下面是我的成本函数：
costfunction <- function(X,y,theta){
m <- length(y);
J = 1/m * ((-t(y)%*%log(sigmoid(as.matrix(X)%*%as.matrix(theta)))) - ((1-t(y))%*%log(1-sigmoid(as.matrix(X)%*%as.matrix(theta)))))
}
下面是我的sigmoid函数：
sigmoid <- function(t){
g = 1./(1+exp(-t))
}
下面
浏览 0提问于2013-05-23得票数 0
回答已采纳
我试图按照提供的指令来训练二进制分类器，并使用它对新图像进行预测。据我所知，在二进制分类器模型的末尾通常需要一个Sigmoid激活函数来将输出限制在0到1之间，但是这个模型没有任何Softmax或Sigmoid函数：
model = Sequential([
Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_HEIGHT, IMG_WIDTH ,3)),
MaxPooling2D(),
Conv2D(32, 3, padding='same'
浏览 4提问于2020-06-21得票数 1
我是一个学习机器学习的学生。在我的研究中，我们需要用二阶来区分损失函数，我们使用"chainer.functions.sigmoid_cross_entropy“。一个类似的函数是"chainer.functions.softmax_cross_entropy“。此函数有一个参数"，enable_double_backprop“来实现二阶导数，但不在"chainer.functions.sigmoid_cross_entropy”中。 "chainer.functions.sigmoid_cross_entropy“是一个二阶可微函数吗？ 请教我！ c
浏览 17提问于2020-01-05得票数 1
我正在处理一个二进制分类问题，使用传输学习和图像输入，并有一个关于
我一直在使用正确的激活层(例如，对于多类的二进制Softmax使用softmax或Sigmoid - sigmoid )，并注意到当我指定'sigmoid‘作为Dense()输出层的一部分时，不再需要在model.compile()期间指定from_logits=True。
这意味着当我获得预测时，我不使用tf.nn.sigmoid()函数，而只是检查该值是否大于0.5，然后是1，否则为0。这是正确的吗？这是我的代码：
i = keras.Input(shape=(150, 150, 3))
浏览 7提问于2022-07-03得票数 0
回答已采纳
下面的代码有一个恼人的特点，那就是让"out“的每一行都是一样的。我试图根据它们的生成方式(通过四种随机算法之一)，将Xtrain中的k时间序列分类为1, 0, 0, 0，1，0，0，0，0，1，0，0，0，0，1，0或0，0，0，1，1。有人知道为什么吗？谢谢!
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
import copy
n = 100
m = 10
k = 1000
hidden_layers = 50
learning_rate = .01
training_epo
浏览 3提问于2019-01-29得票数 0
1回答
我正在学习python，但是我不能为神经网络创建多个数组，我得到的例子往往只有一个神经数组例子，我想创建更多。下面是一个神经网络，我如何在numpy中扩展它，所以非常感谢advance.Im尝试创建一群神经网络阵列，每个阵列都有自己的输入、隐藏和输出层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 =
浏览 0提问于2017-04-09得票数 0
1回答
我写了一段代码来绘制sigmoid函数。代码非常简单，而且很小。它也不会抛出任何错误。但当我运行它时，我在图中得到一个白框，而不是sigmoid曲线。我不能理解我哪里错了。热心的帮助 import matplotlib.pyplot as plt
import math as mt
def sigmoid(x):
for i in range(10):
x = x + 0.1
sigmoid = (1/(1 + mt.exp(-x)))
return x, sigmoid
x, sig = sigmoid(0)
plt.plot(x,
浏览 32提问于2020-01-05得票数 0
1回答
我很难理解神经网络中的成本函数。我读过许多书和博客文章，但它们都描述了神经网络中的这一点是为了最小化成本函数(如和平方误差)：
📷
我试着用多层神经网络和反向传播来解决一个问题的代码。我的问题是:在代码中，我可以在哪里找到成本函数？如何绘制错误曲面？
import numpy as np
X_XOR = np.array([[0,0,1], [0,1,1], [1,0,1],[1,1,1]])
y_truth = np.array([[0],[1],[1],[0]])
def sigmoid(x):
return 1 / (1 + np.exp(-x))
def sigmoid_de
浏览 0提问于2018-05-16得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
