������ֵ��������ұ仯�θ�|tensorflow-亚博安卓下载
�����ܶ�ͬѧ���ż���ѧϰ֮��ֱ����tensorflow����ʵ�������磬�������������ڻ���֪֮���١�
������������뼼����ܱ仯���·dz�֮�죬���ⱳ���ԭ������������������ժ���ʹ��һ����numpyʵ��һ��һ��ʵ�������硣
������ƪ����ּ�ڰ�������������֪ʶ�㣬�ҵ�ƪ�����ǵ�һ���֣�ֻ�ǽ�һ���ŀ�ܡ���ʱ���漰�ݶ��½���ѧϰ�ʵ��ε�֪ʶ�㡣
��������������������ҫ�أ�����㣬���ز��լ�����㡣�����乤����������ȫ������ȳ�һ��Ԫ������y=wx b��
����һ�����������������ϊ����һԪ����������������
������һ�σ�y1=a1(w1x b1 ������x��ԭʼ���ݵ�����,a1�����������
�����ڶ��σ�y2=a2(w2y1 b2������y1�ǵ�һ�ε������a2�ǽ����������w1��w2��b1��b2ԭ���ϸ�����ͬ��
������ƪ���������õ��ļ������������һ����tan(x����һ����softmax�����ߵĺ����������¡�
������������������ͬ���ص㣬������ֵ��������ұ仯�θ�����ֵզ����㣬��������ȶ���
�������ȵ�����صŀ⣬��ҫ�����⣬һ�����ڿ�ѧ�����numpy����һ����math��
����importnumpyasnpimport math
����ȼ���弤�����
����def tanh(x: return np.tanh(x
����def softmax(x: exp=np.exp(x-x.max( return exp/exp.sum(
���������������������tanh������numpyֱ����ƕ��softmax������ѧ����������á��ڶ����������ϊ��ָ����������ֵ��仯�θ�����������x-x.max ��с��仯��χ����խ����ӱ�졣
��������ʹ�õ�ͼƭ��с�� 2828���ء��ժ������д�������ݼ�ѵ�����磬���ի���10���������룬�ֱ���1,2,3,4,5,6,7,8,9,10������ҫ�ȶ��������б���
����dinensions=2828,10
����activation=tanh,softmax
����distribution={'b':0,0},{'b':0,0,'w':-math.sqrt(6/(dinensions0 dinensions1,math.sqrt(6/(dinensions0 dinensions1}
����dinensions�б������������������һ����ͼƭ�����ش�с���ڶ��������ֵ�����仯����
����activation�б�����������������ֱ�ϊtanh��softmax��
����distribution �б������ӧ�����ֵ��ʽ�����ݣ��ֱ��ӧ���������ȡֵ��χ��
�������е�һ�㲻��������w��
����definit_parameters_b(layer:dist=distributionlayer'b' return np.random.rand(dinensionslayer(dist1-dist0 dist0 #ʹ�����ɵ�������� b ��������
����definit_parameters_w(layer:dist=distributionlayer'w' return np.random.rand(dinensionslayer-1,dinensionslayer(dist1-dist0 dist0 #ʹ�����ɵ�������� b ��������
������������ƕ�b��w������������ʼ������ϊ�����������2828�����֣��������10�����֡����ե�һ��� b ҳ��2828��������ɡ����ݾ���ij˷����ڶ����ʱ��w��ֻ����2828�у�10�в������������10�����֡���˵ڶ����b��10�����֡�
����dinensionsx ��˼��ȡ��ƭ��dinensions1 ȡ����10��dinensions0��ȡ����2828��
��������ϊnp.random.rand������һ�������ֵ�ķ�χ��0,1����������ij�������dinensionslayerֻ��ȷ����������ָ�������ҫ������ϊ���������ֵ��һ��ʼ���õ� b �������ڣ����������ȳ�(dist1-dist0ȼ�����dist0��dist1��dist0�ֱ��ӧ�����������ޡ�
����definit_parameters(:parameters=foriinrange(len(distribution:layer_parameters={}forjindistributioni.keys(:ifj=='b':layer_parameters'b'=init_parameters_b(icontinueifj=='w':layer_parameters'w'=init_parameters_w(icontinueparameters.append(layer_parameters return parameters
������������ǽ����������ij�ʼ�����ɴﵽһ���������档
�����ȶ���һ�����б�����ҫд���ɿ��ֵ䣩��ϊ�˽���������ͳһ�����
����ע���ֵ����ͳ�����append���б������ã��б�.append���ֵ䣩 ҳ�ǿ��եġ�
����ȼ����㿪ʼ����distribution����ifѭ����䣬ŀ���ǰѳ���ȫ������������
�����ڶ���forѭ����if������жϣ�����ȷ���ӳ�����
����parameters=init_parameters( #��������ֵ���µı�����defpredict(img,parameters:i0_in=img parameters0'b'i0_out=activation0(i0_ini1_in=np.dot(i0_out,parameters1'w' parameters1'b'i1_out=activation1(i1_in return i1_out
�����������������˼·�������ģ��������ݺ��ݺ�����y=wx b�����б任����һ��wȫϊ1��ȼ�����������һ���������tanh��������activation0�����ó���һ�������i0_out�� ȼ�����ڶ��㣬��һ��������ϊ���룬���ݺ�����y=wx b�����б任���ڶ����wϊparameters1'w'���ڶ����bϊparameters1'b'��ȼ���پ��������softmax���õ������
����predict(np.random.rand(784,parameters.argmax(
��������������һ��784ά���ݣ����أ������������һ��ͼƭ��ǩ��
����Ԥ��ͼƭ�е�����
�������ˣ����ǵ�һ����������ʹ���ˣ��������ʹ���ݶ��½���ѧϰ�ʣ����ѵ�������լ���μ���ͼƭ���ݣ��������ժ�������л���ܡ�
����ע����ƪ������bվup����ұ���������������ο�������룬����ȥ��ͬѧ����ȥbվ�ۿ�������������ľ�ѧ��ƶ��