Sigmoide numpy

Sigmoide numpy
Oggi impariamo quale sia la funzione sigmoidee e come implementare la funzione sigmoide in numpy python. La funzione sigmoide viene utilizzata per attivare le funzioni della rete neurale in Python usando una delle librerie avanzate del linguaggio Python che è numpy.

La funzione sigmoide viene utilizzata per prevedere le uscite di probabilità statistica e può essere trovata negli strati di uscita di architetture di apprendimento profondo e nell'apprendimento automatico. Questa funzione accetta gli input di qualsiasi gamma di numeri reali e produce risultati con valori reali. Diamo un'occhiata alle formule della funzione sigmoide:

Iniziamo a implementare la funzione sigmoideo in Python usando la libreria Numpy.

Sintassi:

Implettiamo SigMoid_Function in Python. La parola chiave "def" significa che definiamo la funzione in Python. Quindi, scriviamo il nome della funzione che vogliamo implementare. Nelle fasce di funzione, passiamo l'argomento che può essere una variabile o un array nella funzione. Nel corpo della funzione, scriviamo la formula della funzione sigmoidea in modo da ottenere l'output della funzione sigmoideo.

Come vedi nella formula, utilizziamo la funzione Exp () per calcolare l'esponenziale dell'inverso di X. La x è il valore di ingresso o l'array di ingresso della funzione sigmoideo.

Parametro:

X: Il valore di ingresso singolo o l'array di input della funzione sigmoideo.

Valore di ritorno:

Il valore di ritorno della funzione sigmoide dipende dal valore di ingresso della funzione sigmoideo. Se passiamo il numero reale nella funzione sigmoideo, otteniamo il numero reale in cambio. Ma se passiamo l'array nella funzione sigmoideo, restituisce l'array numpy. L'array risultante è per quanto riguarda l'elemento e ha la stessa forma della forma dell'array di input.

Esempio 1:

Cominciamo il nostro primo e semplice esempio della funzione sigmoide in Python usando una delle biblioteche importanti di Python che viene utilizzata per calcolare il valore numerico nel linguaggio di programmazione Python. Per implementare questo, dobbiamo installare prima la libreria Numpy. Dopo questo, importa la libreria in modo da poter eseguire le funzioni numeriche in Python. Scriviamo per la prima volta la parola chiave "importazione" in modo che dice al compilatore che importemo la libreria. Quindi, scriviamo il nome della libreria che utilizziamo nel programma che è "numpy". Possiamo anche scrivere l'alias di Numpy che è "NP". Ora iniziamo a scrivere la riga effettiva di codice della funzione sigmoideo che vogliamo eseguire.

Dopo aver importato la libreria numpy, chiamiamo un metodo Print () in modo da poter visualizzare il messaggio che stiamo implementando la funzione sigmoideo. Questo è facoltativo; Mostriamo questo solo in modo che gli utenti possano capire facilmente cosa stiamo facendo nell'esempio. Quindi, creiamo l'array di input usando la funzione array () di numpy. Quindi, visualizziamo questo array di input nella shell utilizzando di nuovo il metodo print (). Il metodo di stampa è il metodo predefinito del linguaggio Python che viene utilizzato per visualizzare i dati nell'output dopo il processo di compilazione.

Importa Numpy come NP
Stampa ("Implementazione della funzione sigmoidea in numpy python:")
array = np.array ([-0.1, 2.1, 1.1, -3.3, 0.1])
print ("\ nthe l'array di input è:", array)
def sigmoid (x):
Ritorno 1.0 / (1.0 + np.exp (-x))
print ("\ nthe Sigmoid Array è:", sigmoide (array))

Come vedi, definiamo la funzione sigmoideo perché Numpy non fornisce alcuna funzione per calcolare il valore del sigmoide, quindi dobbiamo fare una funzione sigmoide personalizzata. Innanzitutto, scriviamo la parola chiave "def", il che significa che diciamo al compilatore che stiamo definendo la funzione. Quindi, scriviamo il nome della funzione che eseguiamo che è "sigmoide". Quindi, passiamo il parametro nella funzione sigmoide che è "x". Nel corpo della funzione sigmoideo, scriviamo prima la parola chiave "return". Quindi, implementiamo le formule sigmoidee che utilizziamo in matematica per calcolare il sigmoide. Come hai notato, utilizziamo la funzione Exp () nella formula perché calcoliamo l'esponenziale dell'inverso di "x", motivo per cui utilizziamo la funzione Exp () e quindi restituiamo la formula calcolata nella funzione sigmoide. Quindi, visualizziamo l'array di sigmoidi utilizzando il metodo print ().

Ora, esaminiamo l'output della funzione sigmoide che dobbiamo calcolare usando il pacchetto numpy:

Esempio 2:

Passiamo ad un altro esempio della funzione sigmoideo. Innanzitutto, importa la biblioteca che è numpy perché stiamo facendo le operazioni matematiche in lingua Python. Scriviamo "importazione numpy as np" dove l'importazione è la parola chiave, numpy è il nome della libreria e NP è alias di numpy.

Quindi, creiamo un array di input usando la funzione Linspace (). È una delle funzioni di Numpy che viene utilizzata per spazzare uniformemente l'array che contiene 10 elementi da -100 a 100. E poi, archiviamo l'intera funzione in un altro array chiamato "Array" e la visualizziamo usando il metodo Print (). Quindi, definiamo la funzione sigmoideo perché non è una funzione predefinita di numpy. Quindi, restituiamo la formula del sigmoide alla funzione sigmoideo.

Importa Numpy come NP
Stampa ("Implementazione della funzione sigmoidea in numpy: \ n")
array = np.Linspace (start = -100, stop = 100, num = 10)
Stampa ("L'array di input è: \ n", array)
def sigmoid (x):
Ritorno 1.0 / (1.0 + np.exp (-x))
sigmoid_values ​​= sigmoid (array)
print ("\ nthe i valori sigmoide sono: \ n", sigmoid_values)

Dopo aver definito la funzione sigmoide, utilizziamo la funzione sigmoide e passiamo l'array di input. Quindi, archiviamo la funzione in un altro array che si chiama "Sigmoid_Values". Quindi, visualizziamo il nuovo array chiamando il metodo print () e passando il SigMoid_Values ​​in esso.

Vediamo l'output del secondo esempio della funzione sigmoide e controlliamo se otteniamo o meno l'output desiderato:

Come puoi vedere, otteniamo l'output desiderato dell'esempio precedentemente spiegato mentre abbiamo dato l'input di 10 elementi nell'array.

Conclusione

In questo articolo, abbiamo appreso la funzione sigmoidee e il modo in cui definiamo la funzione sigmoide in numpy perché non è una funzione predefinita di numpy python. Quindi, abbiamo implementato più esempi della funzione sigmoideo e abbiamo spiegato questi esempi.