深度学习入门笔记 Day4/15 神经网络（二）

一、如何使用Numpy数组实现一个权重既定的三层神经网络的前向传播？

import numpy as np


def identity_function(x):
    return x


def init_network():
    network ={}
    network['W1'] = np.array([[0.1, 0.3, 0.5], [0.2, 0.4, 0.6]])  # 2*3
    network['b1'] = np.array([0.1, 0.2, 0.3])  # 1*3
    network['W2'] = np.array([[0.1, 0.4], [0.2, 0.5], [0.3, 0.6]])  # 3*2
    network['b2'] = np.array([0.1, 0.2])  # 1*2
    network['W3'] = np.array([[0.1, 0.3], [0.2, 0.4]])  # 2*2
    network['b3'] = np.array([0.1, 0.2])  # 1*2

    return network


def forward(network, x):  # x(1*2)
    W1, W2, W3 = network['W1'], network['W2'], network['W3']
    b1, b2, b3 = network['b1'], network['b2'], network['b3']

    a1 = np.dot(x, W1) + b1  # 1*3
    z1 = sigmoid(a1)
    a2 = np.dot(z1, W2) + b2  # 1*2
    z2 = sigmoid(a2)
    a3 = np.dot(z2, W3) + b3  # 1*2
    y = identity_function(a3)

    return y


def sigmoid(x):
    return 1/(1+np.exp(-x))


def main():
    network = init_network()
    x = np.array([1.0, 0.5])
    y = forward(network, x)
    print(y)


main()

代码运行结果与书中一致：

二、为什么分类任务的输出层常用Softmax函数？

softmax函数可以给出某一个输入属于某一类的概率，方便分类。

三、MNIST数据集包含什么样的数据？

训练集的图像、标签，验证集的图像、标签

四、为什么手写数字图像分类时，要对数据采用批处理？

Python和Matlab对数组的处理速度比对循环的处理速度要快，所以，如果采用循环方式将图像一个个传输进循环进行处理速度很慢，而采用批处理就是把多个图像一次性进行处理，具体操作其实就是矩阵的一些转置变换而已。