多輸出感知機及其梯度

目錄

對於多輸出感知機，每個輸出元只和輸出元上的x和w和σ

'>σ

σ有關。

import tensorflow as tf

x = tf.random.normal([2, 4])

w = tf.random.normal([4, 3])
b = tf.zeros([3])
y = tf.constant([2, 0])
with tf.gradienttape() as tape:
tape.watch([w, b])
# axis=1，表示結果[b,3]中的3這個維度為概率
prob = tf.nn.softmax(x @ w + b, axis=1)
# 2 --> 001; 0 --> 100
loss = tf.reduce_mean(tf.losses.mse(tf.one_hot(y, depth=3), prob))
grads = tape.gradient(loss, [w, b])

grads[0]

id=92,

shape=(4,3),
dtype=float32,
numpy=
array([[
0.00842961
,-0.02221732
,0.01378771
], [ 0.02969089, -0.04625662, 0.01656573],
[ 0.05807886, -0.08139262, 0.02331377],
[-0.06571108, 0.11157083, -0.04585974]],
dtype=float32)>

grads[1]

id=90,

shape=(3,),
dtype=float32,
numpy=array([-0.05913186,
0.09886257, -0.03973071], dtype=float32)>

e=12∑(

oi1−

ti)2

'>e=1

2∑(o

1i−t

i)2e=12∑(oi1−ti)2

對於多輸出感知機，每個輸出元只和輸出元上的x和w和σ

'>σ

σ有關。

import tensorflow as tf

x = tf.random.normal([2, 4])

w = tf.random.normal([4, 3])
b = tf.zeros([3])
y = tf.constant([2, 0])
with tf.gradienttape() as tape:
tape.watch([w, b])
# axis=1，表示結果[b,3]中的3這個維度為概率
prob = tf.nn.softmax(x @ w + b, axis=1)
# 2 --> 001; 0 --> 100
loss = tf.reduce_mean(tf.losses.mse(tf.one_hot(y, depth=3), prob))
grads = tape.gradient(loss, [w, b])

grads[0]

id=92,

shape=(4,3),
dtype=float32,
numpy=
array([[
0.00842961
,-0.02221732
,0.01378771
], [ 0.02969089, -0.04625662, 0.01656573],
[ 0.05807886, -0.08139262, 0.02331377],
[-0.06571108, 0.11157083, -0.04585974]],
dtype=float32)>

grads[1]

id=90,

shape=(3,),
dtype=float32,
numpy=array([-0.05913186,
0.09886257, -0.03973071], dtype=float32)>

感知機介紹及實現

感知機 perceptron 由rosenblatt於1957年提出，是神經網路與支援向量機的基礎。感知機是最早被設計並被實現的人工神經網路。感知機是一種非常特殊的神經網路，它在人工神經網路的發展史上有著非常重要的地位，儘管它的能力非常有限，主要用於線性分類。感知機還包括多層感知機，簡單的線 知機用...

keras搬磚系列 keras多輸入多輸出模型

使用函式式模型的乙個典型的場景就是搭建多輸入，多輸出模型。考慮這樣乙個模型，希望 一條新聞會被 和點讚多少次。模型的主要輸入是新聞的本身，也就是乙個詞語的序列，但是我們可能還需要額外的輸入，新聞發布的日期等，所以這個模型的損失函式將會由兩個部分組成，輔助的損失函式基於新聞本身做出的 的情況，主損失函...

感知機原理及python實現

感知機python實現 給定乙個資料集 t yi 輸入空間中任意一點x0 到超平面s的距離為 1 w yi w x0 b 這裡 w 是 w的l2 範數 假 設超平面 s的誤分 點集合為 m，那麼 所有誤分 點到超平 面s的總 距離為 1 w xi myi w xi b 在不考慮 1 w 的情 況下得...