分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow

也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！

如果以面向物件(OOP)的方式進行BP神經網路系統的設計與實踐的話，因為權值的初始化以及類的構造都只進行一次（而且發生在整個流程的開始階段）

class Network(object):    # topology：表示神經網路拓撲結構，用list或者tuple來實現，    # 比如[784, 30, 10]，表示784個神經元的輸入層，30個neuron的隱層，以及十個neuron的輸出層    def
 
 __init__(self, topology):        self.topology = topology        self.num_layers = len(topology)        self.biases = [np.random.randn(y, 1) for y in topology[1:]]        self.weights = [np.random.randn(y, x) for
 
 x, y in zip(self.weights[:-1], self.weights[1:])]
   

    
1
    
2
    
3
    
4
    
5
    
6
    
7
    
8
   

我們不妨以一個簡單的具體例子，分析這種初始化方法可能存在的缺陷，如下圖所示：

相關程式碼：

def default_weight_init(self):    self.biases = [np.random.randn(y, 1)/y for y in self.topology[1:]]     self.weights = [np.random.rand(y, x)/np.sqrt(x) for x, y in zip(self.topology[:-1], self.topology[1:])]def large_weight_init(self):    self.biases = [np.random.randn(y, 1) for y in self.topoloy[1:]]    self.weights = [np.random.randn(y, x)/np.sqrt(x) for x, y in zip(self.topology[:-1], self.topology[1:])]
   

    
1
    
2
    
3
    
4
    
5
    
6
    
7
   

我們看到正是這樣一種np.random.randn(y, x)向np.random.randn(y, x)/np.sqrt(x)小小的改變，卻暗含著豐富的概率論與數理統計的知識，可見無時無刻無處不體現著數學工具的強大。

給我老師的人工智慧教程打call！http://blog.csdn.net/jiangjunshow