我在编写简单的神经网络时遇到了一些问题。我正在通过“ 11行神经网络”指南（https://www.kdnuggets.com/2015/10/neural-network-python-tutorial.html）了解python中的神经网络。有2D数组作为输入（第一维是示例编号，第二维是示例） 作为输出，有一维数组。所以现在我尝试做类似的事情。我有用于学习的输入数组，包含1000个示例，每个示例都有64个神经元：
n0 = np.zeros((1000, 64))
之后，我用数据集中的数据填充数组。我的体重像：
w0 = 2 * np.random.random((64, 120))-1
w1 = 2 * np.random.random((120, 240))-1
w2 = 2 * np.random.random((240, 240))-1
w3 = 2 * np.random.random((240, 240))-1
w4 = 2 * np.random.random((240, 120))-1
w5 = 2 * np.random.random((120, 44))-1
前进功能是：
n1 = sigmoid(np.dot(n0, w0))
n2 = sigmoid(np.dot(n1, w1))
#...
n6 = sigmoid(np.dot(n5, w5))
之后，n6的大小为1000x44。以及如何获得一维阵列而不是二维阵列？同样在权重校正之后，神经元可以得到像6.72853722e-172这样的奇数。在n6中，答案是1.00000000e + 000和0.00000000e-000，在乙状结肠功能之后会怎样呢？
答案 0 :(得分：0)
之后，n6的大小为1000x44。以及如何获得一维数组而不是二维数组？
之所以获得尺寸为1000x44的输出数组，是因为n6具有44个输出节点，并且您的输入数据具有1000个示例（这意味着您正在对所有示例进行网络训练一次）。
换句话说，您的输出层正在为数据集中的每个示例产生“激活” <-这是正常的和预期的。如果您一次训练一个网络示例，则输出数组将为1x44（或仅为44）。
权重校正后，神经元还能得到像6.72853722e-172这样的奇数。在n6中，答案是1.00000000e + 000和0.00000000e-000，在乙状结肠功能之后会怎样呢？
Sigmoid产生介于0和1之间的值。因此： 6.72853722e-172 （或6.72 * 10 -172 ）， 1.00000000e + 000 和 0.00000000e-000 都在0和1之间，所以也很正常