通过前面的理论学习，以及关于Error和weight的关系分析，得出的公式，练习做一个自己的神经网络，通过Python3.5：
跟随书上的python introduction，介绍下numpy中的zeros():
import numpya = numpy.zeros([3,2])a[0,0] = 1a[1,1] = 2a[2,1] = 5print(a)
结果是：
[[1. 0.]
[0. 2.]
[0. 5.]]
可以用这个方法来生成矩阵。
接下来用python搭建神经网络的骨骼：
搭建一下基本的模型：
import numpyclass neuralNetwork: ???def __init__(self, inputnodes, hiddennodes, outputnodes, learningrate): ???????self.inodes = inputnodes ???????self.hnodes = hiddennodes ???????self.onodes = outputnodes ???????self.lr = learningrate ???????# generate the link weights between the range of -1 to +1 ???????self.wih = numpy.random.normal(0.0, pow(self.hnodes, -0.5), (self.hnodes, self.inodes)) ???????self.who = numpy.random.normal(0.0, pow(self.onodes, -0.5), (self.onodes, self.hnodes)) ???????pass ???def train(self): ???????pass ???def query(self): ???????pass#Testinput_nodes = 3hidden_nodes = 3output_nodes = 3learning_rate = 0.5# create instance of neural networkn = neuralNetwork(input_nodes, hidden_nodes, output_nodes, learning_rate)
cunstructor里面有开始节点，hidden节点，以及output节点，包括learning rate.
各个link weight使用numpy随机数的形式，初始化生成一系列的weight然后再通过training data 去寻找error，进行反向modify
学习Make your own neural network 记录(二)
原文地址：https://www.cnblogs.com/ChrisInsistPy/p/9056066.html