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
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:
from perception import and_operate, nand_operate, or_operate def test_and_operate(): """ 测试与门 :return: """ assert and_operate(1, 1) == 1 assert and_operate(1, 0) == 0 assert and_operate(0, 1) == 0 assert and_operate(0, 0) == 0 def test_nand_operate(): """ 测试与非门 :return: """ assert nand_operate(1, 1) == 0 assert nand_operate(1, 0) == 1 assert nand_operate(0, 1) == 1 assert nand_operate(0, 0) == 1 def test_or_operate(): """ 测试或门 :return: """ assert or_operate(1, 1) == 1 assert or_operate(1, 0) == 1 assert or_operate(0, 1) == 1 assert or_operate(0, 0) == 0
写完测试代码,后面直接输入命令 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:
import numpy as np def step_function(x): """ 阶跃函数 :param x: :return: """ if x <= 0: return 0 else: return 1 def and_operate(x1, x2): """ 与门 :param x1: :param x2: :return: """ x = np.array([x1, x2]) w = np.array([0.5, 0.5]) b = -0.7 return step_function(np.sum(w * x) + b) def nand_operate(x1, x2): """ 与非门 :param x1: :param x2: :return: """ x = np.array([x1, x2]) w = np.array([-0.5, -0.5]) b = 0.7 return step_function(np.sum(w * x) + b) def or_operate(x1, x2): """ 或门 :param x1: :param x2: :return: """ x = np.array([x1, x2]) w = np.array([0.5, 0.5]) b = -0.3 return step_function(np.sum(w * x) + b)
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 ============================================================================
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 :
from perception import and_operate, nand_operate, or_operate, xor_operate
以及
def test_xor_operate(): """ 测试异或门 :return: """ assert xor_operate(1, 1) == 0 assert xor_operate(1, 0) == 1 assert xor_operate(0, 1) == 1 assert xor_operate(0, 0) == 0
在 perception.py 文件里加入异或门的函数:
def xor_operate(x1, x2): """ 异或门 :param x1: :param x2: :return: """ s1 = nand_operate(x1, x2) s2 = or_operate(x1, x2) return and_operate(s1, s2)
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, pytest-5.1.2, py-1.8.0, 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 ============================================================================
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
以上就是Python如何实现感知器的逻辑电路的详细内容,更多关于python 感知器的逻辑电路的资料请关注其它相关文章!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]