Question

我正在开发一个神经网络应用程序，但是当我尝试打印前馈的输出时我遇到了问题：控制台显示了这个值：

输出始终为1 1 1 1 1

我使用3层，包括2500个输入节点，1800个隐藏节点和5个输出节点。我使用sigmoid二进制作为激活函数，测试的权重固定为0.5。

当我尝试使用一个非常简单的架构（2个输入，3个隐藏，1个输出）时，它工作得很好，但是现在有这么多节点我无法手动计算输出，所以我不知道是否结果是真是假。

我的代码是错的，还是不能给我一个固定的重量？我只想做一个前馈，而不是反向传播，输入从0到1是随机的。

这是network.cpp：

#include <stdio.h>
#include <iostream>
#include "network.h"
#include "neuron.h"

using namespace std;

layer::layer(int numberOfNeuron,int numberOfInput,int numberOfOutput):
neuron_layer(numberOfNeuron)
{
    for(int i=0;i<numberOfNeuron;i++)
    {
        neuron_layer[i] = new neuron(numberOfInput,numberOfOutput);
    }
}
layer::~layer()
{

}

int layer::get_number_of_neuron()
{
    return neuron_layer.size();
}

network::network(int layerNumber,int hiddenNeuronNumber):
    layer_network(layerNumber)
{
    this->layer_numbers = layerNumber;
    for(int i=0;i<layerNumber;i++)
    {
        if(i==0)
        {
            layer_network[i] = new layer(2500,5,hiddenNeuronNumber);
        }
        else if(i==1)
        {
            layer_network[i] = new layer(hiddenNeuronNumber,2500,5);
        }
        else if(i==2)
        {
            layer_network[i] = new layer(5,hiddenNeuronNumber,1);
        }
    }
    cout<<endl<<"Input layer : "<<layer_network[0]->get_number_of_neuron()<<endl;
    cout<<"Hidden layer : "<<layer_network[1]->get_number_of_neuron()<<endl;
    cout<<"Output layer : "<<layer_network[2]->get_number_of_neuron()<<endl;
}

network::~network()
{
}

void network::init_input_layer(int inputNeuronNumber,int hiddenNeuronNumber)
{
    for(int i=0;i<inputNeuronNumber;i++)
    {
        for(int j=0;j<hiddenNeuronNumber;j++)
        {
            layer_network[0]->neuron_layer[i]->outputs[j]->weights = 0.5f;
        }
    }
}

void network::init_hidden_layer(int inputNeuronNumber,int hiddenNeuronNumber,int outputNeuronNumber)
{
    for(int i=0;i<hiddenNeuronNumber;i++)
    {
        for(int j=0;j<inputNeuronNumber;j++)
        {
            layer_network[1]->neuron_layer[i]->inputs[j]->weights = layer_network[0]->neuron_layer[j]->outputs[i]->weights;
        }
    }
    for(int k=0;k<hiddenNeuronNumber;k++)
    {
        for(int l=0;l<outputNeuronNumber;l++)
        {
            layer_network[1]->neuron_layer[k]->outputs[l]->weights = 0.5f;
        }
    }
}

void network::init_ouput_layer(int hiddenNeuronNumber,int outputNeuronNumber)
{
    for(int i=0;i<outputNeuronNumber;i++)
    {
        for(int j=0;j<hiddenNeuronNumber;j++)
        {
            layer_network[2]->neuron_layer[i]->inputs[j]->weights = layer_network[1]->neuron_layer[j]->inputs[i]->weights;
        }
    }
}

这是neuron.cpp：

#include "neuron.h"
#include <stdio.h>
#include <iostream>

using namespace std;

synapse::synapse()
{

}
synapse::~synapse()
{
}

neuron::neuron(int numberOfInput,int numberOfOutput):
inputs(numberOfInput),outputs(numberOfOutput)
{
    for(int i=0;i<numberOfInput;i++)
    {
        inputs[i] = new synapse();
    }
    for(int i=0;i<numberOfOutput;i++)
    {
        outputs[i] = new synapse();
    }
}
neuron::~neuron()
{
}

int neuron::get_input_size()
{
    int input_length;
    input_length=(int) inputs.size();
    return input_length;
}

int neuron::get_output_size()
{
    int output_length;
    output_length=(int) outputs.size();
    return output_length;
}


void neuron::input_fire()
{
    output_value = inputs[0]->activation_values;
    for(int i=0;i<get_output_size();i++)
    {
        outputs[i]->activation_values = output_value;
    }
}

void neuron::fire()
{
    output_value = 0.0f;
    for(int i=0;i<get_input_size();i++)
    {
        output_value+=(inputs[i]->activation_values)*(inputs[i]->weights);
    }
    //cout<<endl<<"Before Sigmoid"<<output_value;
    output_value = 1.0f / (1.0f+ exp(-output_value));
    //cout<<" After Sigmoid"<<output_value;
    for(int i=0;i<get_output_size();i++)
    {
        outputs[i]->activation_values = output_value;
    }

}

我认为我不需要发布neuron.h和network.h，因为它们都只包含声明。我在.cpp中定义了函数。这就是我创建对象的方式：

srand (time(NULL));
float inputTest[2500];
network test(3,1800);
test.init_network(1800);
for(int i=0;i<2500;i++)
{
    inputTest[i]=(float)rand()/(float)RAND_MAX;
}
test.feedforward(inputTest);

Answer 1

我没有检查你的代码，但...... 不，你不能像那样使用固定重量。随着您增加输入量，隐藏图层中的每个节点都会获得越来越大的值。 Sigmoid会将大值缩放为1。

想一想：假设您有100个输入，每个输入的“随机”输入值为0.1。为简单起见，让我们忘记其他一切。由于权重是常数0.5，隐藏层中的所有节点将得到相同的值，该值由每个输入*权重的“sigmoided”和组成，即sigm（0.1 * 0.5 * 100）= sigm（5） - ＆gt; 〜1

因此，具有恒定正权重的正输入越多，所有隐藏层的输出将越接近1。

神经网络输出始终为1

1 个答案: