账单
一品传承2品尚源码平台-注册登录
销量0件 评价0条 品质0分

python制作神经网络中一品2注册Sigmoid和Tanh激活函数图画(附代码)

一品2注册登录激活函数图,附代码 虚拟,学习,电脑,工具,一品2,一品2注册

价格:¥12.00

卖家: 一品传承2品尚源码平台-注册登录

类型:虚拟

运费:¥0.00

规格: 正在加载...

库存:233

数量:

商品详情 用户评价
一品2注册sigmoid函数也叫Logistic函数,用于隐层神经元输出,取值规模为(0,1),它可以将一个实数映射到(0,1)的区间,可拿来做二分类。在特征相差很杂乱或是相差不是特别大时作用比较好。Sigmoid作为激活函数有以下优缺陷:

长处:滑润、易于求导。

缺陷:激活函数核算量大,反向传达求差错梯度时,求导触及除法;反向传达时,很简单就会呈现梯度消失的状况,然后无法完结深层网络的练习。

一品2注册sigmoid函数是机器学习中的一个比较常用的函数,与之类似的还有softplus和softmax等函数,这儿也就不说,先来看看sigmoid函数的表达式的和图画


sigmoid函数表达式如下

可以正常的看到在趋于正无量或负无量时,函数趋近滑润状况,sigmoid函数由于输出规模(0,1),所以二分类的概率常常用这个函数,事实上logistic回归选用这个函数许多教程也说了以下几个长处

    1  值域在0和1之间

    2   函数具有非常好的对称性

    函数对输入超越必定规模就会不灵敏

一品2注册sigmoid的输出在0和1之间,咱们在二分类使命中,选用sigmoid的输出的是事情概率,也便是当输出满意满意某一概率条件咱们将其区分正类,不同于svm。

代码:
from matplotlib import pyplot as plt
import numpy as np
import math
def sigmoid_function(z): 
fz = []
for num in z:
fz.append(1/(1 + math.exp(-num)))
return fz
if __name__ == '__main__':
z = np.arange(-10, 10, 0.01)
fz = sigmoid_function(z)
plt.title('Sigmoid Function')
plt.xlabel('z')
plt.ylabel('σ(z)')
plt.plot(z, fz)
plt.show

最近在研究神经网络,用python绘制了一下常见的Sigmoid函数和Tanh函数,别的不多说,直接上代码:

#!/usr/bin/python #encoding:utf-8
import math
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
mpl.rcParams['axes.unicode_minus']=False
 
 
def  sigmoid(x):
    return 1.0 / (1.0 + np.exp(-x))
 
fig = plt.figure(figsize=(6,4))
ax = fig.add_subplot(111)
 
x = np.linspace(-10, 10)
y = sigmoid(x)
tanh = 2*sigmoid(2*x) - 1
 
plt.xlim(-11,11)
plt.ylim(-1.1,1.1)
 
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
 
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.set_xticks([-10,-5,0,5,10])
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
ax.set_yticks([-1,-0.5,0.5,1])
 
plt.plot(x,y,label="Sigmoid",color = "blue")
plt.plot(2*x,tanh,label="Tanh", color = "red")
plt.legend()
plt.show()
在这段代码中,包含了不显示绘制图像的上边框和右边框,坐标轴居中显示,自己定制坐标轴的刻度等,最终结果如一品2官网http://qq159411.com

¥

库存

已选:""

数量:
×

©2018 - 2020 qq159411.com 版权所有

本页面由聚货网提供,在线发卡上聚货网!

Powered by JvHuo.Com

首页
购物车
充值
客服
顶部