Python实现深度学习经典模型

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python实现深度学习经典模型，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2456字，纯文字阅读大概需要4分钟。

内容图文

实验一：Perceptron（感知机）

1.实验要求

       Define a two-class problem, including 30 positive data and 30 negative data.
       Write the code of perceptron using Python.

2.实验过程

       （1）定义一个二分类问题：
       设置数据集有60个点，30个正样本，30个负样本，训练感知机将正样本和负样本正确分类，用一条线可视化分类结果。
       简单起见，将坐标都设置为整数，坐标横坐标在6及其以下的为正样本，在图中用蓝色表示，横坐标在7及其以上的为负样本，在图中用红色表示。
       正样本标签设为1，负样本标签设为0.

       （2）将数据集的点可视化出来：
              
       （3）初始化w权重和偏置项b:
              W = [1,0], b = 0

       （4）根据实验要求定义目标函数以及权重更新规则:

       其中，f(a)使用Sigmoid函数激活：
              
       （5）根据目标函数和权重更新规则训练样本，得到训练好的权重和偏置项。

       （6）根据训练好的权重和偏置项分类样本，得到最终分类线：

3.实验代码

import numpy as np
import matplotlib.pyplot as plt

def sigmoid(x):
  return 1/(1 + np.exp(-x))

p_x = np.array([[1, 1], [1, 2], [1, 3], [1, 4], [1, 5], [2, 1], [2, 2], [2, 3], [2, 4], [2, 5], [3, 1], [3, 2], [3, 3], [3, 4], [3, 5], [4, 1], [4, 2], [4, 3], [4, 4], [4, 5], [5, 1], [5, 2], [5, 3], [5, 4], [5, 5], [6, 1], [6, 2], [6, 3], [6, 4], [6, 5], [7, 6], [7, 7], [7, 8], [7, 9], [7, 10], [8, 6], [8, 7], [8, 8], [8, 9], [8, 10], [9, 6], [9, 7], [9, 8], [9, 9], [9, 10], [10, 6], [10, 7], [10, 8], [10, 9], [10, 10], [11, 6], [11, 7], [11, 8], [11, 9], [11, 10], [12, 6], [12, 7], [12, 8], [12, 9], [12, 10]])

y = np.array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
plt.figure()
for i in range(len(p_x)):
    if y[i] == 1:
        plt.plot(p_x[i][0], p_x[i][1], 'bo')
    else:
        plt.plot(p_x[i][0], p_x[i][1], 'ro')

w = np.array([1, 0])
b = 0
a = np.zeros(60)
f = np.zeros(60)
p = np.zeros(60)

for j in range(300):
  for i in range(len(p_x)):
    a[i] = np.dot(w, p_x[i]) + b
    f[i] = sigmoid(a[i])
    p[i] = f[i]
    w = w + (y[i] - p[i])*p_x[i]
    b = b + (y[i] - p[i])

line_x = [0, 12]
line_y = [0, 0]

for i in range(len(line_x)):
  line_y[i] = (-w[0] * line_x[i] - b)/w[1]
 
plt.plot(line_x, line_y)
plt.savefig("picture.png")

实验二：Linear Regression（线性回归）

1.实验要求

       Download a regression dataset from UCI machine learning repository（https://archive.ics.uci.edu/ml/datasets.php）
       Write the Python code of linear least squares to solve the linear regression problem.

内容总结

以上是互联网集市为您收集整理的Python实现深度学习经典模型全部内容，希望文章能够帮你解决Python实现深度学习经典模型所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---