Python 试图理解神经网络

我是一名新的编码人员，在指导下我开始使用Python，因为它对初学者很好，而且非常通用。我一直在网上观看一些关于如何用Python创建神经网络的教程，但我只是被困在这个示例中

我看过并编写了一些教程，其中学习率和错误阈值是常数变量。例如，学习率=0.1，错误阈值=0.1，但是在这个特定示例中，我看不到恒定的学习率和错误阈值变量

---

有人能解释为什么不使用学习率和错误阈值吗？

学习率：该代码不使用学习率，或者更确切地说，它使用的学习率为

1

。第48、49行只需添加调整（梯度）值，不带任何比率。这是一个不常见的选择，有时在实践中也能起作用，尽管一般不建议这样做。从技术上讲，这是梯度下降的最简单版本，对简单梯度下降有许多详细说明，其中大部分涉及学习率。由于此评论回答了您提出的问题，我将不作进一步阐述，但您应该知道，构建优化器是一个很大的研究领域，有很多方法可以更精细或更复杂地实现这一点（希望获得更好的性能）

---

错误阈值：当达到错误阈值时，该算法不会停止优化，而是在固定的迭代次数（60000）后停止。这是一个常见的选择，特别是当使用随机梯度下降（同样，另一个大主题）时。不过，这里的基本选择是有效的：不是在达到性能阈值（错误阈值）之前进行优化，而是在达到计算预算（60000次迭代）之前进行优化

谢谢你的快速回复。假设我想更改代码，使其具有学习速率和错误阈值。我应该寻找什么？对于学习率，将第48行更改为

self.layer1.synaptic\u weights+=self.learning\u rate*layer1\u adjustment

。第49行也一样。你必须定义自学率。对于错误阈值，将第29行中的

For

循环更改为

while

循环，以检查是否满足阈值；我将把细节留给你去实现。谢谢你的提示。从你提到的小技巧来看，这似乎很容易。我问我应该寻找什么，因为从你最初的答案来看，你似乎需要修改大量的代码。学习速度非常好，但是我在while循环中遇到了一些问题。我已经删除了迭代，因为它将在错误阈值小于0.2时停止。while循环看起来像这样“while True:err=0 if err<0.2:break”代码一直执行到第1阶段，它将停止@麝鼠