• 为了保证你在浏览本网站时有着更好的体验,建议使用类似Chrome、Firefox之类的浏览器~~
    • 如果你喜欢本站的内容何不Ctrl+D收藏一下呢,与大家一起分享各种编程知识~
    • 本网站研究机器学习、计算机视觉、模式识别~当然不局限于此,生命在于折腾,何不年轻时多折腾一下

Keras从零学习-感知机-0x01

Keras admin 2个月前 (08-07) 194次浏览 0个评论 扫描二维码

学习神经网络一般都是从感知机开始着手学习,那先从 keras 构建一个感知机开始。

感知机算法的原理比较简单

上面的公式中 w 对应着权重,x 就是你输入的特征,比如广告的分类信息,b 表示偏置信息。当然满足条件大于 0 则为 1 否则为 0.

这里引入一个激活函数的概念,单层感知器使用的是 sign 符号函数,如果改为 sigmoid 函数那么就与逻辑回归是一样了。

from keras.models import Sequential 
from keras.layers import Dense
model = Sequential() 
model.add(Dense(1, activation='linear',input_dim=8, kernel_initializer='random_uniform'))

这里给出的代码并不是完整的代码,单层感知机的代码主要体现在第三行代码。

上面的代码实现就是上图的效果,Dense 函数中的第一个参数 1 就是指节点只有 1 个,input_dim 表示输入的特征维度为 8 维,对应上图及时 n 为 8,kernel_initializer 是权重 w 初始化的方法。

单层感知机的例子让我们对 keras 有了直观的了解,这才刚开始,后续在介绍网络层的时候会详细介绍。


Deeplearn, 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 , 转载请注明Keras 从零学习-感知机-0x01
喜欢 (0)
admin
关于作者:
互联网行业码农一枚/业余铲屎官/数码影音爱好者/二次元

您必须 登录 才能发表评论!