具有2D阵列输入和1D阵列输出的神经网络

Question

我在编写简单的神经网络时遇到了一些问题。 我正在通过“ 11行神经网络”指南（ https://www.kdnuggets.com/2015/10/neural-network-python-tutorial.html ）了解python中的神经网络。 有2D数组作为输入（在第一维中是示例编号，在第二维-示例中）有1D数组作为输出。 所以现在我尝试做类似的事情。 我有用于学习的输入数组，包含1000个示例，每个示例都有64个神经元：

n0 = np.zeros((1000, 64)) 

之后，我用数据集中的数据填充数组。 我的体重像：

w0 = 2 * np.random.random((64, 120))-1
w1 = 2 * np.random.random((120, 240))-1
w2 = 2 * np.random.random((240, 240))-1
w3 = 2 * np.random.random((240, 240))-1
w4 = 2 * np.random.random((240, 120))-1
w5 = 2 * np.random.random((120, 44))-1

转发功能为：

n1 = sigmoid(np.dot(n0, w0))
n2 = sigmoid(np.dot(n1, w1))
#...
n6 = sigmoid(np.dot(n5, w5))

之后，n6的大小为1000x44。 以及如何获得一维阵列而不是二维阵列？ 同样在权重校正之后，神经元可以得到像6.72853722e-172这样的奇数。在n6中，答案是1.00000000e + 000和0.00000000e-000，在乙状结肠功能之后会怎样呢？

Answer 1

之后，n6的大小为1000x44。 以及如何获得一维阵列而不是二维阵列？

之所以要得到尺寸为1000x44的输出数组，是因为n6有44个输出节点，而您的输入数据有1000个示例（这意味着您要同时训练所有示例上的网络）。

换句话说，您的输出层正在为数据集中的每个示例产生“激活” <-这是正常的和预期的。 如果您一次训练网络一个示例，则输出数组将为1x44 （或仅为44 ）。

---

同样在权重校正之后，神经元可以得到像6.72853722e-172这样的奇数。在n6中，答案是1.00000000e + 000和0.00000000e-000，在乙状结肠功能之后会怎样呢？

乙状结肠产生0到1之间的值。 因此： 6.72853722e-172 （或6.72 * 10 ^-172 ）， 1.00000000e + 000和0.00000000e-000都在0和1之间，所以这也是正常的