在 python 中仅使用 numpy 的 3 层神经网络答案

【问题标题】：3 layer neural network using only numpy in python在 python 中仅使用 numpy 的 3 层神经网络
【发布时间】：2018-05-04 21:42:42
【问题描述】：

我正在 python 中仅使用 numpy 创建一个简单的神经网络。我正在关注本教程 https://iamtrask.github.io/2015/07/12/basic-python-network/ 我在上面提到的链接中更改了 3 层神经网络的代码，如下所示。因为我需要随时调用单独的方法。但它给了我以下错误。我想知道的是为什么我会收到这个错误？由于我是 python 的初学者，我不知道为什么会出现此错误？所以请有人帮我解决这个问题。

 import numpy as np

    class NeuralNetwork():
        def __init__(self):

            self.X = np.array([[0, 0, 1],
                  [0, 1, 1],
                  [1, 0, 1],
                  [1, 1, 1]])

            self.y = np.array([[0],
                  [1],
                  [1],
                  [0]])

            np.random.seed(1)

            # randomly initialize our weights with mean 0
            self.syn0 = 2 * np.random.random((3, 4)) - 1
            self.syn1 = 2 * np.random.random((4, 1)) - 1

        def nonlin(x, deriv=False):
            if (deriv == True):
                return x * (1 - x)

            return 1 / (1 + np.exp(-x))

        def train(self,steps):
            for j in xrange(steps):

                # Feed forward through layers 0, 1, and 2
                l0 = self.X
                print("came 1")
                l1 = self.nonlin(np.dot(l0, self.syn0))
                print("came 2")
                l2 = self.nonlin(np.dot(l1, self.syn1))

                # how much did we miss the target value?
                l2_error = self.y - l2

                if (j % 10000) == 0:
                    print "Error:" + str(np.mean(np.abs(l2_error)))

                # in what direction is the target value?
                # were we really sure? if so, don't change too much.
                l2_delta = l2_error * self.nonlin(l2, deriv=True)

                # how much did each l1 value contribute to the l2 error (according to the weights)?
                l1_error = l2_delta.dot(self.syn1.T)

                # in what direction is the target l1?
                # were we really sure? if so, don't change too much.
                l1_delta = l1_error * self.nonlin(l1, deriv=True)

                self.syn1 += l1.T.dot(l2_delta)
                self.syn0 += l0.T.dot(l1_delta)

            print("Output after training:")
            print(l2)

    if __name__ == '__main__':
        ann=NeuralNetwork()
        ann.train(6000)

我得到的错误如下所示

Traceback (most recent call last):
  File "C:/Users/Ssa/Desktop/Neural-Network-using-numpy-master/Neural-Network-using-numpy-master/outbreak_test/outbreak_test4.py", line 63, in <module>
    ann.train(6000)
  File "C:/Users/Ssa/Desktop/Neural-Network-using-numpy-master/Neural-Network-using-numpy-master/outbreak_test/outbreak_test4.py", line 34, in train
    l1 = self.nonlin(np.dot(l0, self.syn0))
  File "C:/Users/Ssa/Desktop/Neural-Network-using-numpy-master/Neural-Network-using-numpy-master/outbreak_test/outbreak_test4.py", line 23, in nonlin
    if (deriv == True):
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

Process finished with exit code 1

【问题讨论】：

这一行的错误 if (deriv == True) 令人痛苦，因为比较 deriv==True 返回一个布尔数组。 if 不明白如何处理它，因为它需要一个标量，您是否正在寻找所有布尔值、1 个或更多...等等。您可以通过执行 if (deriv == True).any() 或 if (deriv == True).all() 来修复警告，但什么是你的意图是什么？

标签： python-2.7 numpy neural-network

【解决方案1】：

nonlin 需要带一个self 参数，否则self 将被视为x，x 将被视为deriv。

【讨论】：

【解决方案2】：

问题是，您已将函数nonlin 定义为非类成员函数。这意味着，函数的第一个参数不是self（对对象的引用）。你可以让你的代码以两种不同的方式工作：

1) 将nonlin 函数改为：

def nonlin(self, x, deriv=True):
    ...

2) 将nonlin 函数设为静态方法：

@staticmethod
def nonlin(x, deriv=True):
    ...

您可以找到有关第二种方法here 的更多信息。这两种方法都有效，但在我看来，第一种似乎更适合面向对象编程。

【讨论】：