神经网络-最直观的神经网络模型
neuralp的Python项目详细描述
在这个包中是最直观的全连接多层神经网络模型。数据科学不应该有很高的进入壁垒。当你专注于数据时,Neuralpy处理数学和开销。
neuralpy是一个用python编写的神经网络模型,它基于michael nielsen的神经网络和深度学习书籍。
- 访问neuralpy website
- 在Official Documentation 中获取详细的示例和解释
- 在Github
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。”