用Numpy实现sigmoid函数

用Numpy实现sigmoid函数

在Sigmoid激活函数的帮助下,我们能够减少训练时的损失,因为它消除了机器学习模型在训练时的梯度问题。

用Numpy实现sigmoid函数

# Import matplotlib, numpy and math
import matplotlib.pyplot as plt
import numpy as np
import math
  
x = np.linspace(-10, 10, 100)
z = 1/(1 + np.exp(-x))
  
plt.plot(x, z)
plt.xlabel("x")
plt.ylabel("Sigmoid(X)")
  
plt.show()

输出 :

用Numpy实现sigmoid函数

例子#1 :

# Import matplotlib, numpy and math
import matplotlib.pyplot as plt
import numpy as np
import math
  
x = np.linspace(-100, 100, 200)
z = 1/(1 + np.exp(-x))
  
plt.plot(x, z)
plt.xlabel("x")
plt.ylabel("Sigmoid(X)")
  
plt.show()

输出 :

用Numpy实现sigmoid函数

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Numpy教程