山东大学人工智能实验说明
需积分: 0 75 浏览量
2024-05-12
14:37:06
上传
评论
收藏 72KB DOCX 举报
实验一
内容：
使用 numpy 实现深度学习任务中的一些基本操作，包括以下函数：
sigmoid function
sigmoid gradient function
softmax function
cross entropy loss function
目标：
熟悉 numpy 的一些基本函数
理解 sigmoid, softmax, cross entropy loss 等函数
代码要求：
按代码模板实现函数功能
文档要求：
代码运行结果截图(main 函数里的内容不要修改)
sigmoid 函数的公式及图像
sigmoid 函数梯度求解公式及图像
softmax 函数公式
cross entropy loss function 公式
它们在神经网络中有什么用处？
实验二
内容：
假设 X 有 n 个样本，属于 m=3 个类别,
a
𝑚
表示样本属于第 m 类的概率，请实现
的三次前向传播及反向传播(更新参数
𝜔
和
b
)，
每次反向传播结束后更新并输出参数
𝜔
和
b
的值，计算 cross entropy loss，其中
𝜎(
∙
)
表示 sigmoid 函数。
目标：
理解前向传播和反向传播
应用实验一中提到的基本操作
代码要求：
按代码模板实现函数功能
文档要求：
前向传播及反向传播涉及到的公式计算（参考）
粘贴代码输出结果截图。
资源评论
