用 Python 运行神经网络

一个神经网络类

我们在神经网络教程的前一章中学到了关于权重的最重要的事实。我们看到了它们的使用方式以及如何在 Python 中实现它们。我们看到，通过应用矩阵乘法，可以使用 Numpy 中的数组完成权重与输入值的乘法。
然而，我们没有做的是在真实的神经网络环境中测试它们。我们必须先创造这个环境。我们现在将在 Python 中创建一个类，实现一个神经网络。我们将分步进行，以便一切都易于理解。
我们班级需要的最基本的方法是：
__init__ 初始化一个类，即我们将设置每一层的神经元数量并初始化权重矩阵。run：一种应用于我们想要分类的样本的方法。它将此样本应用于神经网络。我们可以说，我们“运行”网络以“预测”结果。此方法在其他实现中通常称为predict.train: 该方法获取一个样本和对应的目标值作为输入。如有必要，它可以通过此输入调整重量值。这意味着网络从输入中学习。从用户的角度来看，我们“训练”了网络。在sklearn例如，这种方法被称为fit
我们将把trainandrun方法的定义推迟到以后。权重矩阵应该在__init__

用 Python 运行神经网络最先出现在Python成神之路。