Question

我正在尝试构建一个简单的神经网络，该网络需要8个输入和2个输出，来自xls文件，该文件有500行数据，矩阵中有2个隐藏权重（8,2）。目前，神经元尚未开始学习任何东西。它是一个示例代码，使其可以运行随机权重。这是我的代码

def sigmoid(x,deriv=False):
    if(deriv==True):
        return sigmoid(x,False)*(1-sigmoid(x,False))
    return 1/(1+np.exp(-x))

def neuron(inputs, weights):                
    weighted_input = np.dot(inputs, weights)
    return sigmoid(weighted_input, False)

weights = 2 * np.random.random((8,2)) - 1
W = np.array([weights])

error1 = []
for i in range(500):
    for k in range (2):
        X = X_T[i] #list of 8 Inputs from xls 
        T = T_T[i] #list of 2 outputs from xls
        Y = neuron(X, W)[k]
        error1.append(np.sqrt((Y[k] - T) ** 2))    

print W
print np.average(error1)
pl.plot(error1)

我希望此代码能够针对目前随机的两个隐藏权重运行。这就是为什么我将k的范围设置为2.但是当我尝试运行它时，我得到以下错误。

IndexError                                Traceback (most recent call last)
<ipython-input-36-b300ce507da8> in <module>()
     20         X = X_T[i]
     21         T = T_T[i]
---> 22         Y = neuron(X, W)[k]
     23         error1.append(np.sqrt((Y[k] - T) ** 2))
     24 

IndexError: index 1 is out of bounds for axis 0 with size 1

我知道我弄乱了循环。但我不知道如何解决这个问题。

Answer 1

在循环中执行它是相当低效的。这段代码受益于优化的矩阵操作，如果我理解正确的话，应该大概做你想要的。

import numpy as np

def sigmoid(x,deriv=False):
    if(deriv==True):
        s = sigmoid(x,False)
        return s*(1-s)
    return 1/(1+np.exp(-x))

n_in = 8
n_out = 2
n_data = 500

X = np.random.randn( n_data, n_in )
T = np.random.randn( n_data, n_out )

W = np.random.randn( n_out, n_in )
b = np.random.randn( n_out, )

err = ( sigmoid( np.dot(X, W.T) + b ) - T ) ** 2

Answer 2

在Y = neuron(X, W)[k]：

神经元（X，W）返回一个浮点值。所以你得到错误。

如果neuron(X, W)返回list/tuple...so on，您可以按索引获取值。

示例：

>>> L = [1,2][0]
>>> L
1
>>>

神经网络Python

2 个答案: