[Machine Learning][Part 8]神经网络的学习训练过程

目录

训练过程

一、建立模型:

[二、建立损失函数 J(w,b):](#二、建立损失函数 J(w,b):)

三、寻找最小损失函数的(w,b)组合

为什么需要激活函数

激活函数种类

二分法逻辑回归模型

线性回归模型

回归模型


训练过程

一、建立模型:

根据需求建立模型,从前面神经网络的结果可以知道,每一层都有若干个模型在运行,因此建立神经网络就需要先根据需求确定计算模型,也就是得到

逻辑回归模型公式为:

上面三层的神经网络的代码实现为:

python 复制代码
import tensorflow as tf
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense

model = Sequential([
    Dense(units = 25,activation='Sigmoid')
    Dense(units = 25,activation='Sigmoid')
    Dense(units = 25,activation='Sigmoid')
])

二、建立损失函数 J(w,b):

例如线性回归的

二分法逻辑回归的损失函数为:

代码实现为:

python 复制代码
from tensorflow.keras.losses import BinaryCrossentropy
model.compile(loss = BinaryCrossentropy())

三、寻找最小损失函数的(w,b)组合

梯度下降法:

代码实现为:循环100次

python 复制代码
model.fit(X,y,epochs=100)

为什么需要激活函数

可以看到在建立模型的过程中,代码中使用了activation激活函数。

python 复制代码
Dense(units = 25,activation='Sigmoid')

如果不用激活函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合,这种情况就是最原始的感知机(Perceptron)。如果使用的话,激活函数给神经元引入了非线性因素,使得神经网络可以任意逼近任何非线性函数,这样神经网络就可以应用到众多的非线性模型中。

具体的分析这个博主讲的很清楚,可以参考学习一下:

深度学习:神经网络中为什么需要使用激活函数?(超详细)_神经网络为什么需要激活函数-CSDN博客

激活函数种类

二分法逻辑回归模型

这种模型输出非0即1,可以选择Sigmoid

python 复制代码
Dense(units = 25,activation='Sigmoid')

线性回归模型

这种输出可以是各种正负数值,可以仍然选用线性激活函数linear activation function

python 复制代码
 Dense(units = 25,activation='linear')

回归模型

输出只能是0以及正数,可以选择ReLU

python 复制代码
   Dense(units = 25,activation='relu')
相关推荐
ARM+FPGA+AI工业主板定制专家4 分钟前
基于JETSON+FPGA+GMSL相机 vs 传统工业相机:高动态范围与低延迟如何重塑机器感知视觉?
人工智能·数码相机·机器学习·自动驾驶
岁岁岁平安8 分钟前
python基本数据类型、字典、 集合、条件与循环控制、函数(3)
python·学习·集合·函数·字典·python3
无妄无望40 分钟前
docker学习 (3)网络与防火墙
网络·学习·docker
星期天要睡觉1 小时前
计算机视觉(opencv)——基于 MediaPipe 的实时面部表情识别
人工智能·深度学习·机器学习
~~李木子~~1 小时前
机器学习集成算法实践:装袋法与提升法对比分析
人工智能·算法·机器学习
Zlssszls1 小时前
数字孪生遇见贝叶斯,制造开启自进化!
人工智能·机器学习·信息可视化·制造
●VON1 小时前
重生之我在大学自学鸿蒙开发第七天-《AI语音朗读》
学习·华为·云原生·架构·harmonyos
i.ajls1 小时前
强化学习入门-2(Dueling DQN)
人工智能·机器学习·强化学习·dqn
程序员东岸3 小时前
避坑修链表:从顺序表到单链表的那点事儿(含可跑示例与小项目串联)
数据结构·笔记·学习·程序人生·链表
future14123 小时前
C++ 学习日记
开发语言·c++·学习