具有二维数组输入和一维数组输出的神经网络

Question

我在编写简单的神经网络时遇到了一些问题。我正在通过“11 行神经网络”指南 (https://www.kdnuggets.com/2015/10/neural-network-python-tutorial.html) 学习 Python 中的神经网络。有二维数组作为输入（第一维是示例编号，第二维是示例） 作为输出，有一个一维数组。所以现在我尝试做类似的事情。我有用于学习的输入数组，包含 1000 个示例，每个示例有 64 个神经元：

n0 = np.zeros((1000, 64)) 

之后，我用数据集中的数据填充数组。我的体重是这样的：

w0 = 2 * np.random.random((64, 120))-1
w1 = 2 * np.random.random((120, 240))-1
w2 = 2 * np.random.random((240, 240))-1
w3 = 2 * np.random.random((240, 240))-1
w4 = 2 * np.random.random((240, 120))-1
w5 = 2 * np.random.random((120, 44))-1

前向功能是：

n1 = sigmoid(np.dot(n0, w0))
n2 = sigmoid(np.dot(n1, w1))
#...
n6 = sigmoid(np.dot(n5, w5))

之后 n6 大小为 1000x44。我怎样才能得到一维数组，而不是二维数组？同样在权重校正之后，神经元可以得到像 6.72853722e-172 这样的奇怪数字......而在 n6 中，答案是 1.00000000e+000 和 0.00000000e-000，在 sigmoid 函数之后怎么可能呢？

Answer 1

之后 n6 大小为 1000x44。我怎样才能得到一维数组，而不是二维数组？

您获得维度为1000x44 的输出数组的原因是因为n6 有44 个输出节点，而您的输入数据有1000 个示例（意味着您同时针对所有示例训练网络）。

换句话说，您的输出层正在为数据集中的每个示例生成一个“激活”1x44（或只是44）。

---

同样在权重校正之后，神经元可以得到奇怪的数字，比如 6.72853722e-172... 而在 n6 个中，答案是 1.00000000e+000 和 0.00000000e-000，这在 sigmoid 函数之后怎么可能呢？

Sigmoid 产生介于0 和1 之间的值。所以：6.72853722e-172（或，6.72 * 10^-172）、1.00000000e+000和0.00000000e-000 都在0和1之间，所以也很正常