Python 在神经网络的结构中,在哪里放置激活函数?
对于感知器,关于激活函数的文档很清楚——如果模型的预测标签与模型的真实标签不匹配——权重会更新。然而,没有关于如何在神经网络中使用激活的好文档。代码中的激活功能放在哪里?我目前的方法是允许每个节点都是一个激活函数,因此它将之前的节点乘以权重,然后将它们相加Python 在神经网络的结构中,在哪里放置激活函数?,python,csv,neural-network,Python,Csv,Neural Network,对于感知器,关于激活函数的文档很清楚——如果模型的预测标签与模型的真实标签不匹配——权重会更新。然而,没有关于如何在神经网络中使用激活的好文档。代码中的激活功能放在哪里?我目前的方法是允许每个节点都是一个激活函数,因此它将之前的节点乘以权重,然后将它们相加 #Train Neural Network #Input layer #Upload csv file #Input Variables x0 = float(input()) x1 = float(input()) x2 = float
#Train Neural Network
#Input layer
#Upload csv file
#Input Variables
x0 = float(input())
x1 = float(input())
x2 = float(input())
#Weights
w0 = 0.5
w1 = 0.5
w2 = 0.5
#Nodes
n0 = (x0 * w0)
n1 = (x1 * w1)
n2 = (x2 * w2)
#Hidden layer
#Weights
w3 = 0.5
w4 = 0.5
w5 = 0.5
w6 = 0.5
w7 = 0.5
w8 = 0.5
#Nodes
n3 = ((n0 * w3)+(n1*w4))
n4 = ((n1 * w5)+(n2*w6))
n5 = ((n0 * w7)+(n2*w8))
#Output layer
#Weights
w9 = 0.5
w10 = 0.5
w11 = 0.5
#Nodes
n6 = ((n3*w9)+(n4*w10)+(n5*w11))
print(n6)
#Update
#if n6 < 0.5:
#Update weights
#else:
#next input
训练神经网络
#输入层
#上传csv文件
#输入变量
x0=浮点(输入()
x1=浮点(输入()
x2=浮点(输入()
#砝码
w0=0.5
w1=0.5
w2=0.5
#节点
n0=(x0*w0)
n1=(x1*w1)
n2=(x2*w2)
#隐藏层
#砝码
w3=0.5
w4=0.5
w5=0.5
w6=0.5
w7=0.5
w8=0.5
#节点
n3=((n0*w3)+(n1*w4))
n4=((n1*w5)+(n2*w6))
n5=((n0*w7)+(n2*w8))
#输出层
#砝码
w9=0.5
w10=0.5
w11=0.5
#节点
n6=((n3*w9)+(n4*w10)+(n5*w11))
打印(n6)
#更新
#如果n6<0.5:
#更新权重
#其他:
#下一个输入
我知道在这方面有很多问题和答案,但我的问题还没有得到回答。事实上,我是在特别问——是否有一个激活功能与每一层或每一个节点相关联。此外,文件不清楚激活功能是设计用于通过网络移动信息,还是发出重量更新的信号-这两个功能都是必需的,但语法上的澄清将是可取的
谢谢你的帮助!后续问题:你说我需要激活n0、n1、n2值,激活函数携带信号。那么,激活函数是以节点值为输入的函数吗?激活函数以节点值为输入。节点的初始值设置为随机数。它乘以节点的权重值,然后由激活函数激活。