Artificial intelligence 计算梯度下降循环内的导数

我对神经网络和机器学习很陌生，所以像这样简单的事情我遇到了麻烦。我正在写一个简单的程序来分类一朵花是一种还是另一种

首先，我分配了随机权重，并希望在训练循环中调整这些权重。我运行了成本函数，但似乎无法计算成本wrt对每个权重（w1和w2）和偏差的导数。我想用计算出的导数来调整我的权重和偏差。我现在正在使用Symphy，但是如果我需要使用另一个，请告诉我

import numpy as np
import matplotlib.pyplot as plt
import sympy as sp

# length, width, color
data = [[3, 1.5, 0], [2, 1, 1], [4, 1.5, 0], [3, 1, 1], [3.5, 0.5, 0], [2, 0.5, 1], [5.5, 1, 0], [1, 1, 1]]
mystery_flower = [4.5, 1, '?']
learning_rate = 0.01

w1 = np.random.randn()
w2 = np.random.randn()
bias = np.random.randn()


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

for n in range(0, 10): #10 simply for testing
    random_index = np.random.randint(len(data))
    point = data[random_index]
    target = point[2]

    equation = w1*point[0] + w2*point[1] + bias
    prediction = sigmoid(equation)
    cost = (prediction - target) ** 2

    # Calculate derivaties for weights and bias wrt to cost
      dcost_dw1 = sp.diff(cost, wr1)

    # dcost_dw1 = dcost_dpred * dpred_deq * deq_dw1

    # Update weights and bias

每次尝试在循环中使用

sp.diff（）

时，我都会收到一个值错误。

---

错误为

ValueError:无法计算导数wrt 0.962802182433288。

显然，每个循环的浮点值都会发生变化

调用

sp.diff（）的位置和方式。

？请将此信息添加到您的问题中。请注意，您不能在Symphy方程式中使用

np.exp

。您需要

sp.exp

。然后，使用

lambdify

将获得的辛函数转换为numpy。@JohanC我在中添加了它。您可能需要某种数值导数，而不是符号辛函数。