pytorch测试代码.zip

# 多维数组的运算 import numpy as np from p0302 import sigmoid x = np.array([[2, 2, 3], [1, 2, 3], [3, 4, 5], [5, 6, 7]]) print(np.ndim(x)) # 获取数组的维度 print(np.shape(x)) # 数组的形状 y = np.array([[2, 2], [3, 3], [4, 4]]) z = np.dot(x, y) # 矩阵乘法 print(z) x = np.array([1, 2]) w = np.array([[1, 1, 1], [1, 1, 1]]) y = np.dot(x, w) print(y) """ 输出层所用的激活函数，要根据求解问题的性质决定。 一般地，回归问题可以使用恒等函数，二元分类问题可以使用 sigmoid 函数，多元分类问题可以使用 softmax 函数 """ # 3层神经网络的实现，输入层2个节点，第一层3个节点，第二层2个节点，第三层（输出层）2个节点 b = 1 x = np.array([1, 2]) # 输入层 print(x.shape) w1 = np.array([[0.5, 0.5, 0.4], [0.5, 0.5, 0.6]]) # 第一层权重 print(w1.shape) z1 = np.dot(x, w1) + b z1 = sigmoid(z1) print("第一层结果：") print(z1) w2 = np.array([[0.5, 0.5], [0.5, 0.5], [0.5, 0.5]]) z2 = np.dot(z1, w2) + b z2 = sigmoid(z2) print("第二层结果：") print(z2) w3 = np.array([[0.5, 0.6], [0.4, 0.4]]) z3 = sigmoid(np.dot(z2, w3) + b) print("第三层结果：") print(z3)