1 Star 4 Fork 0

浪浪浪/从头实现神经网络

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
文件
克隆/下载
use_numpy_build_a_nn.py 1.15 KB
一键复制 编辑 原始数据 按行查看 历史
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
print(np.__version__)
def show_line_and_data(data, value, w=None, is_show=True):
# 这个函数是用来作图的
data = np.array(data)
value = np.array(value)
value = value.flatten()
if w is not None:
# w是分割超平面的参数,
slope = np.array(w)[0][0] / np.array(w)[1][0]
inx = np.array(w)[2][0] / np.array(w)[1][0]
# print(slope,inx)
prex = np.array(range(-10, 20))
prey = -slope * prex - inx
plt.plot(prex, prey)
plt.scatter(data[:, 0], data[:, 1], c=value)
# plt.ylim(-10, 10)
plt.show()
if __name__ == "__main__":
# 构建数据
data1 = np.random.random(size=(100, 2)) + 2
data2 = np.random.random(size=(100, 2))
data = np.mat(np.vstack((data1, data2)))
# 构建分类标签
y1 = np.ones(100).reshape((100, 1))
y2 = np.zeros(100).reshape((100, 1))
y = np.mat(np.vstack((y1, y2)))
show_line_and_data(data, y)
# mymodel = Mymodel()
# mymodel.fit(data, y, epochs=100, lossfunc=Losses.ErrorSqure, learning_rate=0.5)
# test_data = np.random.random(size=(10000, 2)) * 3
# show_line_and_data(test_data, mymodel.predict(test_data))
# print(mymodel.predict(data))
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
Python
1
https://gitee.com/gfanqi/neural_network_from_scratch.git
git@gitee.com:gfanqi/neural_network_from_scratch.git
gfanqi
neural_network_from_scratch
从头实现神经网络
master

搜索帮助