# 这是一个3层神经网络
import numpy as np
def nonlin(x, deriv=False):
if (deriv == True):
return x * (1 - x)
return 1 / (1 + np.exp(-x))
X = np.array([[0, 0, 1],
[0, 1, 1],
[1, 0, 1],
[1, 1, 1]])
y = np.array([[0],
[1],
[1],
[0]])
np.random.seed(1)
# 用均值0随机初始化我们的权重
syn0 = 2 * np.random.random((3, 4)) - 1
syn1 = 2 * np.random.random((4, 1)) - 1
for j in range(60000):
# 通过层0,1和2前馈
l0 = X
l1 = nonlin(np.dot(l0, syn0))
l2 = nonlin(np.dot(l1, syn1))
# 我们错过了多少目标价值?
l2_error = y - l2
if (j % 10000) == 0:
print("Error:", str(np.mean(np.abs(l2_error))))
# 目标值在哪个方向?
# 我们真的很确定吗? 如果是这样,不要改变太多。
l2_delta = l2_error * nonlin(l2, deriv=True)
# 每个l1值对l2误差贡献了多少(根据权重)?
l1_error = l2_delta.dot(syn1.T)
# 目标l1在哪个方向?
# 我们真的很确定吗? 如果是这样,不要改变太多。
l1_delta = l1_error * nonlin(l1, deriv=True)
syn1 += l1.T.dot(l2_delta)
syn0 += l0.T.dot(l1_delta)