Numpy Sigmoid

Dzisiaj dowiadujemy się, jaka jest funkcja sigmoidalna i jak wdrożyć funkcję sigmoidalną w Numpy Python. Funkcja sigmoidalna służy do aktywacji funkcji sieci neuronowej w Pythonie za pomocą jednej z zaawansowanych bibliotek języka Pythona, który jest Numpy.

Funkcja sigmoidalna służy do prognozowania wyników prawdopodobieństwa statystycznego i można je znaleźć w warstwach wyjściowych architektury głębokiego uczenia się i uczenia maszynowego. Ta funkcja akceptuje dane wejściowe dowolnego zakresu liczb rzeczywistych i daje wyniki z rzeczywistymi wartościami. Spójrzmy na wzory funkcji sigmoidalnej:

Zacznijmy wdrażać funkcję sigmoidów w Python za pomocą biblioteki Numpy.

Składnia:

Wdrażamy funkcję sigmoid_. Słowo kluczowe „def” oznacza, że ​​definiujemy funkcję w Pythonie. Następnie piszemy nazwę funkcji, którą chcemy wdrożyć. W nawiasach funkcyjnych przekazujemy argument, który może być zmienną lub tablicą w funkcji. W treści funkcji piszemy formułę funkcji sigmoid.

Jak widać w wzorze, używamy funkcji exp () do obliczenia wykładniczej odwrotności x. X jest wartością wejściową lub tablicą wejściową funkcji sigmoid.

Parametr:

X: Pojedyncza wartość wejściowa lub tablica wejściowa funkcji sigmoid.

Wartość zwracana:

Wartość zwracana funkcji sigmoidów zależy od wartości wejściowej funkcji sigmoid. Jeśli przekazamy liczbę rzeczywistych w funkcji sigmoid, otrzymujemy liczbę rzeczywistych w zamian. Ale jeśli przekazamy tablicę w funkcji sigmoidalnej, zwraca tablicę Numpy. Powstała tablica jest podstawowa i ma taki sam kształt jak kształt tablicy wejściowej.

Przykład 1:

Zacznijmy nasz pierwszy i prosty przykład funkcji sigmoidalnej w Pythonie przy użyciu jednej z ważnych bibliotek Pythona, który służy do obliczenia wartości numerycznej w języku programowania Pythona. Aby to zaimplementować, musimy najpierw zainstalować bibliotekę Numpy. Następnie importujemy bibliotekę, abyśmy mogli wykonywać funkcje numeryczne w Pythonie. Najpierw piszemy słowo kluczowe „import”, aby poinformowało kompilatora, że ​​zamierzamy zaimportować bibliotekę. Następnie piszemy nazwę biblioteki, której używamy w programie, który jest „Numpy”. Możemy również napisać pseudonim Numpy, który jest „NP”. Teraz zaczynamy pisać faktyczną wiersz kodu funkcji sigmoidalnej, którą chcemy wykonać.

Po zaimportowaniu biblioteki Numpy wywołujemy metodę print (), abyśmy mogli wyświetlić wiadomość, że wdrażamy funkcję sigmoid. To jest opcjonalne; Wyświetlaliśmy to tylko, aby użytkownicy mogli łatwo zrozumieć, co robimy w przykładzie. Następnie tworzymy tablicę wejściową za pomocą funkcji Array () Numpy. Następnie ponownie wyświetlamy tę tablicę wejściową w powładzie za pomocą metody print (). Metoda drukowania jest wstępnie zdefiniowaną metodą języka Pythona, która służy do wyświetlania danych w wyjściu po procesie kompilacji.

importować Numpy jako NP
Drukuj („Implementacja funkcji sigmoidalnej w Numpy Python:”)
array = np.tablica ([-0.1, 2.1, 1.1, -3.3, 0.1])
drukuj („\ n the wejściowa tablica to:”, tablica)
def sigmoid (x):
zwrot 1.0 / (1.0 + np.exp (-x))
druk („\ n the Sigmoid macierz:”, sigmoid (tablica))

Jak widać, definiujemy funkcję sigmoidów, ponieważ Numpy nie zapewnia żadnej funkcji do obliczenia wartości sigmoid. Najpierw piszemy słowo kluczowe „def”, co oznacza, że ​​mówimy kompilatorowi, że definiujemy funkcję. Następnie piszemy nazwę funkcji, którą wykonujemy, która jest „sigmoidalna”. Następnie przekazujemy parametr w funkcji sigmoidalnej, która jest „x”. W treści funkcji sigmoid. Następnie wdrażamy formuły sigmoidalne, których używamy w matematyce do obliczania sigmoidalnego. Jak zauważyłeś, używamy funkcji exp () w wzorze, ponieważ obliczamy wykładniczy odwrotność „x”, dlatego używamy funkcji exp (), a następnie zwracamy obliczoną formułę do funkcji sigmoid. Następnie wyświetlamy tablicę sigmoidów za pomocą metody print ().

Teraz spójrzmy na wyjście funkcji sigmoidalnej, którą musimy obliczyć za pomocą pakietu Numpy:

Przykład 2:

Przejdźmy do innego przykładu funkcji sigmoidalnej. Po pierwsze, importujemy bibliotekę, która jest Numpy, ponieważ wykonujemy operacje matematyczne w języku Pythona. Piszemy „Import Numpy jako NP”, gdzie import jest słowem kluczowym, Numpy to nazwa biblioteki, a NP to alias Numpy.

Następnie tworzymy tablicę wejściową za pomocą funkcji Linspace (). Jest to jedna z funkcji Numpy, która służy do równomiernego przestrzeni tablicy zawierającej 10 elementów od -100 do 100. A następnie przechowujemy całą funkcję w innej tablicy o nazwie „tablica” i wyświetlamy ją za pomocą metody print (). Następnie definiujemy funkcję sigmoidalną, ponieważ nie jest to predefiniowana funkcja Numpy. Następnie zwracamy wzór sigmoidalny do funkcji sigmoidalnej.

importować Numpy jako NP
Drukuj („Implementacja funkcji sigmoidalnej w Numpy: \ n”)
array = np.Linspace (start = -100, stop = 100, num = 10)
drukuj („tablica wejściowa to: \ n”, tablica)
def sigmoid (x):
zwrot 1.0 / (1.0 + np.exp (-x))
sigmoid_values ​​= sigmoid (tablica)
drukuj („\ n Wartości sigmoidalne to: \ n”, sigmoid_values)

Po zdefiniowaniu funkcji sigmoidów używamy funkcji sigmoid i przekazujemy do niej tablicę wejściową. Następnie przechowujemy funkcję w innej tablicy, która nazywa się „sigmoid_values”. Następnie wyświetlamy nową tablicę, wywołując metodę print () i przekazując w niej sigmoid_values.

Zobaczmy wyjście drugiego przykładu funkcji sigmoid i sprawdź, czy otrzymamy pożądane dane wyjściowe, czy nie:

Jak widać, otrzymujemy pożądane dane wyjściowe wcześniej wyjaśnionego przykładu, ponieważ podaliśmy wkład 10 elementów w tablicy.

Wniosek

W tym artykule dowiedzieliśmy się o funkcji sigmoidalnej i tym, jak definiujemy funkcję sigmoidalną w Numpy, ponieważ nie jest to predefiniowana funkcja Numpy Python. Następnie wdrożyliśmy wiele przykładów funkcji sigmoidalnej i wyjaśniliśmy te przykłady.