Python 神经网络异或返回不正确的输出

我想知道为什么我的神经网络不工作。 我想说，我问了同样的问题，但我仍然有一些事情我不明白

代码：

我已经测试了前馈传播，效果很好。 错误似乎是好的

我认为更新权重是个问题，但更新权重有正确的公式。这段代码来自《创建你自己的神经网络》一书，它与我使用的几乎相同：

self.who += self.lr * numpy.dot((output_errors * final_outputs * (1.0 ­ final_outputs)), numpy.transpose(hidden_outputs))

目前，我只转发了2个神经元中的1个输入，并计算了错误率。我非常希望它保持这种方式，而不是一次又一次地转发整个测试数据

我有办法做到吗？

---

提前感谢：）

您有一个小的实现错误：

在反向传播中，您将评估：

hidden_errors = output_weights.T.dot(output_errors)

但必须根据d_预测的_输出来评估隐藏错误，如下所示：

hidden_errors = output_weights.T.dot(d_predicted_output)

---

此外，您应该降低学习速度并增加历元数。10000历元和lr=0.1对我来说很合适，但您可以对此进行微调。

您可以显示训练的权重吗？输出权重。=[[0.21595628 0.23063487]]隐藏的历元数=[-0.03163080.08377066][0.22549171 0.32939786]]结构至少是正确的耶稣我很愚蠢dddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddds、 你可以画出每个历元的损失，看看你真正需要多少历元，10k可能太多了

hidden_errors = output_weights.T.dot(output_errors)

hidden_errors = output_weights.T.dot(d_predicted_output)