从0到1实现神经网络（Python）

文章预览

有个事情可能会让初学者惊讶： 神经网络模型并不复杂！ 『神经网络』这个词让人觉得很高大上，但实际上神经网络算法要比人们想象的简单。 这篇文章完全是为新手准备的。我们会通过用Python从头实现一个神经网络来理解神经网络的原理。本文的脉络是： 介绍了神经网络的基本结构——神经元； 在神经元中使用S型激活函数； 神经网络就是连接在一起的神经元； 构建了一个数据集，输入（或特征）是体重和身高，输出（或标签）是性别； 学习了损失函数和均方差损失； 训练网络就是最小化其损失； 用反向传播方法计算偏导； 用随机梯度下降法训练网络。 砖块：神经元 首先让我们看看神经网络的基本单位，神经元。 神经元接受输入，对其做一些数据操作，然后产生输出。 例如，这是一个2-输入神经元： 这里发生了三个事情。首先，每个输 ………………………………