neuralpy 1.3.0

入门（快速入门）

下面演示如何下载和安装neuralpy以及如何创建和训练简单的神经网络。 运行以下命令下载并安装：

$ pip install neuralpy

通过指定每个层中的节点数，在项目中创建一个神经网络。将自动生成随机权重和偏差：

import neuralpy
net = neuralpy.Network([2, 3, 1])

网络将输入向量作为python列表转发，并将输出向量作为列表返回：

x = [1, 1]
output = net.forward(x)
print output
# ex: [0.11471727263613461]

通过首先以元组列表的形式生成训练数据来训练神经网络。每个元组有两个组件，每个组件是分别表示输入和输出的列表。此训练集表示简单或函数 它可以生成以保存键入：

training_data = neuralpy.load_or()
# [
#   ([1, 1], [1]),
#   ([1, 0], [1]),
#   ...
# ]

然后我们必须指定剩余的超参数。假设我们想把它限制在100个阶段，并给它一个1的学习率：

epochs = 100
learning_rate = 1

然后使用参数运行train方法。我们告诉网络要符合培训数据：

net.train(training_data, epochs, learning_rate)

现在，将先前的输入转发给网络，输出应该更接近1.0，这就是我们训练网络要做的：

output = net.forward(x)
print output            # ex: [0.9542129706170075]

有关高级选项的更多信息，如在官方文档中监视成本。

这是一个多层前馈神经网络，它是一个通用逼近器（霍尼克，斯廷奇库姆和怀特，1989）。神经网络在图像处理、时间序列预测等领域有着广泛的应用。

• “你抛弃了我。你让我去死。“
• “好吧，如果我知道你会为这事烦我，我就不会这么做了。”