|
在神经网络入门回顾（感知器、多层感知器）中整理了关于感知器和多层感知器的理论，这里实现关于与门、与非门、或门、异或门的代码，以便对感知器有更好的感觉。
此外，我们使用 pytest 框架进行测试。
pip install pytest
@H_301_25@
与门、与非门、或门
通过一层感知器就可以实现与门、与非门、或门。
先写测试代码 test_perception.py：
1 from perception import and_operate,nand_operate,or_operate
2
3
4 def test_and_operate():
5 """
6 测试与门
7 :return:
8 9 assert and_operate(1,1) == 1
10 0
11 assert and_operate(0,1) ==12 13
14
15 test_nand_operate():
16 17 测试与非门
18 19 20 assert nand_operate(1,1)">21 22 assert nand_operate(0,1)">23 24
25
26 test_or_operate():
27 28 测试或门
29 30 31 assert or_operate(1,1)">32 33 assert or_operate(0,1)">34 pytest -v? 即可测试代码。
这三个门的权重和偏置是根据人的直觉或者画图得到的，并且不是唯一的。以下是简单的实现，在 perception.py 中写上：
numpy as np
step_function(x):
阶跃函数
:param x:
8 9 if x <= 0:
11 returnelse:
13 return 1
15
16 and_operate(x1,x2):
17 与门
19 :param x1:
20 :param x2:
21 22 23 x = np.array([x1,x2])
24 w = np.array([0.5,0.5])
25 b = -0.7
26 return step_function(np.sum(w * x) + b)
27
28
29 nand_operate(x1,1)">31 与非门
32 33 34 35 36 x =37 w = np.array([-0.5,-0.538 b = 0.7
39 40
41
42 or_operate(x1,1)">43 44 或门
45 46 47 48 49 x =50 w = np.array([0.5,1)">51 b = -0.3
52 return step_function(np.sum(w * x) + b)
@H_301_25@
运行??pytest -v?确认测试通过。
========================================================================== test session starts ===========================================================================
platform darwin -- Python 3.6.8,pytest-5.1.2,py-1.8.0,pluggy-0.12.0 -- /Users/mac/.virtualenvs/work/bin/python3
...
collected 3 items
test_perception.py::test_and_operate PASSED [ 33%]
test_perception.py::test_nand_operate PASSED [ 66%]
test_perception.py::test_or_operate PASSED [100%]
=========================================================================== 3 passed in 0.51s ============================================================================
@H_301_25@
异或门
?
?
如上图所示，由于异或门不是线性可分的，因此需要多层感知器的结构。
使用两层感知器可以实现异或门。
修改 test_perception.py 文件，加入异或门的测试代码 ：
import and_operate,or_operate,xor_operate
@H_301_25@
以及
test_xor_operate():
"""
测试异或门
:return:
"""
assert xor_operate(1,1)"> 0
assert xor_operate(0,1) == 1
xor_operate(x1,x2):
异或门
:param x1:
:param x2:
:return:
"""
s1 =return and_operate(s1,s2)
@H_301_25@
我们通过与非门和或门的线性组合实现了异或门。
运行命令??pytest -v?测试成功。
========================================================================== test session starts ===========================================================================
platform darwin -- Python 3.6.8,pluggy-0.12.0 -- /Users/mac/.virtualenvs/work/bin/python3
...
collected 4 items
test_perception.py::test_and_operate PASSED [ 25%]
test_perception.py::test_nand_operate PASSED [ 50%]
test_perception.py::test_or_operate PASSED [ 75%]
test_perception.py::test_xor_operate PASSED [100%]
=========================================================================== 4 passed in 0.60s ============================================================================
@H_301_25@
?
原文作者：雨先生
原文链接：https://www.cnblogs.com/noluye/p/11465389.html??
许可协议：知识共享署名-非商业性使用 4.0 国际许可协议
?
参考
- 神经网络入门回顾（感知器、多层感知器）
- 《Neural networks and deep learning》by Aurélien Géron
- 《Deep learning from scratch》by 斋藤康毅
（编辑：北几岛）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
