我用 Python 编写了一个简单的 XOR 神经网络。虽然网上有大量关于如何对此进行编程的信息,但关于如何通过它提供数据的信息并不多。我已经测试了输入 [1,1] 一个周期后权重的变化,以将我的结果与我的讲座幻灯片进行比较,结果 100% 相同,所以我相信代码有效。我可以针对相同的输入训练网络,但是当我在每个周期更改输入(和相应的目标)时,错误不会减少。
我应该允许在每个循环后更改权重和输入,还是应该先遍历所有可能的输入,得到一个平均误差,然后再更改权重? (但是改变权重取决于输出,所以我会使用什么输出)
如果需要,我可以分享我的代码,但我很确定它是正确的。
请给我一些建议?提前谢谢你。
请您参考如下方法:
那么,你是说你自己实现了一个神经网络? 在这种情况下,基本上输入层上的每个神经元都必须分配有某一行的特征,而不是仅仅遍历每一层和该层中的每个神经元并按照指示进行计算。 我相信您熟悉反向传播算法,因此您会知道何时停止。
完成该行后,对下一行再次执行此操作,将每个特征分配给每个输入神经元并再次开始迭代。
完成所有记录后,即是一个 Epoch。
我希望这能回答您的问题。
此外,我建议您尝试使用 Keras,它易于使用且是一个值得体验的好工具。
