输出结果
输出权重参数： [[-0.94465146 -1.22617291 0.89064915]
[-0.36625531 1.57482914 0.82170746]]
输出预测： [-0.89642065 0.68164248 1.27392621]
最大值的索引： 2
loss： 0.5111458955952319
求出梯度值：
[[ 0.04107652 0.19903878 -0.2401153 ]
[ 0.06161477 0.29855818 -0.36017295]]
核心代码
class simpleNet:
def __init__(self):
self.W = np.random.randn(2,3) #用高斯分布进行初始化
def predict(self, x):
return np.dot(x, self.W)
def loss(self, x, t):
z = self.predict(x)
y = softmax(z)
loss = cross_entropy_error(y, t)
return loss
net = simpleNet()
x = np.array([0.6, 0.9])
p = net.predict(x)
t= np.array([0, 0, 1])
print('loss：',net.loss(x, t))
f = lambda w: net.loss(x, t)
dW = numerical_gradient(f, net.W)
print('求出梯度值：','\n',dW)
