準備作業: numpy、matplotlib、sympy のダウンロード
pip install numpy matplotlib sympy
対応するライブラリのドキュメントを見つけます:
numpy ドキュメント matplotlib ドキュメント sympy ドキュメント
コードを書くとき、 vscode が機能していないことがわかりました。Python をフォーマットしますか?確認したところ、flake8とyapfをインストールする必要があることが分かりました。1つはコード指定ツール、もう1つは整形ツールです。そして、設定を行います。json
"python.linting.flake8Enabled": true, // 规范检查工具 "python.formatting.provider": "yapf", // 格式化工具 "python.linting.flake8Args": ["--max-line-length=248"], // 设置单行最长字符限制 "python.linting.pylintEnabled": false, // 关闭pylint工具
準備は完了です。次に、コードの書き方を参照してください
最初のステップは、新しい py ファイルを作成することです
#まず、活性化関数の関数式を書き出します。方法は 2 つあります。計算結果を取得するだけならnumpyを使えば十分ですが、導出を自分で求める必要がある場合はsympyを使って関数式を書く必要があります。 sympy が関数を表現する方法は次のとおりです。from sympy import symbols, evalf, diff # 我们先要定义自变量是什么,这边按需求来,这是文档的例子有两个变量 x, y = symbols('x y') # 然后我们写出函数表达式 expr = x + 2*y # 输出看一下是什么东西 expr # x + 2*y # 接着就要用我们定义的函数了 expr.evalf(subs={x: 10, y: 20}) # 50.000000 # 再对我们的函数求导 diff(expr, x, 1) # 对x进行求导得出结果 1,这也是表达式
sympy.core.function.diff(f, *symbols) , **kwargs)
def sigmoid(): """ 定义sigmoid函数 """ x = symbols('x') return 1. / (1 + exp(-x))
def tanh(): """ 定义tanh函数 """ x = symbols('x') return (exp(x) - exp(-x)) / (exp(x) + exp(-x))
def relu(): """ 定义ReLU函数 """ x = symbols('x') return Piecewise((0, x < 0), (x, x >= 0))
def leakyRelu(): """ 定义Leaky ReLu函数 """ x = symbols('x') return Piecewise((0.1 * x, x < 0), (x, x >= 0))
def softMax(x: np.ndarray): """ 定义SoftMax函数\n """ exp_x = np.exp(x) print(exp_x, np.sum(exp_x)) return exp_x / np.sum(exp_x)
def softmax_derivative(x): """ 定义SoftMax导数函数\n x - 输入x向量 """ s = softMax(x) return s * (1 - s)
def derivate(formula, len, variate): """ 定义函数求导 formula:函数公式 len:求导次数 variate:自变量 """ return diff(formula, variate, len)
2 番目のステップは、matplotlib を使用して曲線を描画することです
最初にmatplotlib とは何ですか?matplotlib には主に Figure、Axes、Axis、Artist が含まれています。図はキャンバスであることを理解しています。図を描く前にキャンバスを準備する必要があります。軸と軸はどちらも軸として翻訳されますが、軸は座標軸である必要があり、軸は座標軸の 1 つです。アーティストは、それができる他のものです。要素単純なグラフを描画したい場合は、これを行うことができますx = np.linspace(0, 2, 100) # Sample data. # Note that even in the OO-style, we use `.pyplot.figure` to create the Figure. fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained') ax.plot(x, x, label='linear') # Plot some data on the axes. ax.plot(x, x**2, label='quadratic') # Plot more data on the axes... ax.plot(x, x**3, label='cubic') # ... and some more. ax.set_xlabel('x label') # Add an x-label to the axes. ax.set_ylabel('y label') # Add a y-label to the axes. ax.set_title("Simple Plot") # Add a title to the axes. ax.legend() # Add a legend.
plt.xlabel('x label') // 两种方式加label,一种为ax.set_xlabel(面向对象),一种就是这种(面向函数) plt.ylabel('y label')
plt.subplot(2, 2, 1, adjustable='box') # 1行1列 plt.subplot(2, 2, 2, adjustable='box') # 1行2列
do = input( 'input function expression what you want draw(sigmoid, tanh, relu, leakyRelu, softMax)\n' )
try: plt.xlabel('x label') plt.ylabel('y label') plt.title(do) if (do == 'softMax'): plt.plot(num, softMax(num), label='Softmax') plt.plot(num, softmax_derivative(num), label='Softmax Derivative') else: plt.plot( num, [eval(f'{do}()').evalf(subs={symbols("x"): i}) for i in num]) plt.plot(num, [ derivate(eval(f'{do}()'), 1, 'x').evalf(subs={symbols('x'): i}) for i in num ]) plt.tight_layout() plt.show() except TypeError: print( 'input function expression is wrong or the funciton is not configured' )
######
以上がPython を使用して一般的な活性化関数曲線を描くにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。