首页 / 深度学习 / Python实现深度学习经典模型
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
![Python实现深度学习经典模型](/upload/InfoBanner/zyjiaocheng/595/0cc476b09365430fbc4cec543c6f765c.jpg)
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
扫描二维码推送至手机访问。