Sigmoïde nu
La fonction sigmoïde est utilisée pour prévoir les sorties de vraisemblance statistique et peut être trouvée dans les couches de sortie des architectures d'apprentissage en profondeur et dans l'apprentissage automatique. Cette fonction accepte les entrées de n'importe quelle gamme de nombres réels et produit des résultats avec des valeurs réelles. Regardons les formules de la fonction sigmoïde:
Commençons à implémenter la fonction sigmoïde dans Python à l'aide de la bibliothèque Numpy.
Syntaxe:
Nous implémentons le sigmoïd_function dans Python. Le mot-clé «DEF» signifie que nous définissons la fonction dans Python. Ensuite, nous écrivons le nom de la fonction que nous voulons implémenter. Dans les supports de fonction, nous passons l'argument qui peut être une variable ou un tableau dans la fonction. Dans le corps de la fonction, nous écrivons la formule de fonction sigmoïde afin que nous obtenions la sortie de la fonction sigmoïde.
Comme vous le voyez dans la formule, nous utilisons la fonction exp () pour calculer l'exponentiel de l'inverse de x. Le x est la valeur d'entrée ou le tableau d'entrée de la fonction sigmoïde.
Paramètre:
X: La valeur d'entrée unique ou le tableau d'entrée de la fonction sigmoïde.
Valeur de retour:
La valeur de retour de la fonction sigmoïde dépend de la valeur d'entrée de la fonction sigmoïde. Si nous passons le nombre réel dans la fonction sigmoïde, nous obtenons le nombre réel en retour. Mais si nous passons le tableau dans la fonction sigmoïde, il renvoie le tableau Numpy. Le réseau résultant est en termes d'élément et a la même forme que la forme du tableau d'entrée.
Exemple 1:
Commençons notre tout premier et simple exemple de la fonction sigmoïde dans Python en utilisant l'une des bibliothèques importantes de Python qui est utilisée pour calculer la valeur numérique dans le langage de programmation Python. Pour implémenter cela, nous devons d'abord installer la bibliothèque Numpy. Après cela, nous importons la bibliothèque afin que nous puissions remplir les fonctions numériques dans Python. Nous écrivons d'abord le mot-clé «import» afin qu'il indique au compilateur que nous allons importer la bibliothèque. Ensuite, nous écrivons le nom de la bibliothèque que nous utilisons dans le programme qui est «Numpy». Nous pouvons également écrire l'alias de Numpy qui est «NP». Maintenant, nous commençons à écrire la ligne de code réelle de la fonction sigmoïde que nous voulons effectuer.
Après avoir importé la bibliothèque Numpy, nous appelons une méthode print () afin que nous puissions afficher le message que nous implémentons la fonction sigmoïde. Ceci est facultatif; Nous affichons seulement cela afin que les utilisateurs puissent comprendre facilement ce que nous faisons dans l'exemple. Ensuite, nous créons le tableau d'entrée à l'aide de la fonction Array () de Numpy. Ensuite, nous affichons ce tableau d'entrée dans le shell en utilisant à nouveau la méthode print (). La méthode d'impression est la méthode prédéfinie du langage Python qui est utilisée pour afficher les données de la sortie après le processus de compilation.
Importer Numpy comme NP
Print ("Implémentation de la fonction sigmoïde dans Numpy Python:")
array = np.Array ([- 0.1, 2.1, 1.1, -3.3, 0.1])
Imprimer ("\ n le tableau d'entrée est:", tableau)
def sigmoïde (x):
retour 1.0 / (1.0 + np.exp (-x))
print ("\ nthe Sigmoïd Array est:", sigmoïde (tableau))
Comme vous le voyez, nous définissons la fonction sigmoïde car Numpy ne fournit aucune fonction pour calculer la valeur du sigmoïde, nous devons donc faire une fonction sigmoïde personnalisée. Tout d'abord, nous écrivons le mot-clé «DEF», ce qui signifie que nous disons au compilateur que nous définissons la fonction. Ensuite, nous écrivons le nom de la fonction que nous effectuons qui est «sigmoïde». Ensuite, nous passons le paramètre dans la fonction sigmoïde qui est «x». Dans le corps de la fonction sigmoïde, nous écrivons d'abord le mot-clé «retour». Ensuite, nous mettons en œuvre les formules sigmoïdes que nous utilisons en mathématiques pour calculer le sigmoïde. Comme vous l'avez remarqué, nous utilisons la fonction Exp () dans la formule car nous calculons l'exponentielle de l'inverse de «x», c'est pourquoi nous utilisons la fonction exp (), puis retournons la formule calculée à la fonction sigmoïde. Ensuite, nous affichons le tableau sigmoïde à l'aide de la méthode print ().
Maintenant, regardons la sortie de la fonction sigmoïde que nous devons calculer à l'aide du package Numpy:
Exemple 2:
Passons à un autre exemple de la fonction sigmoïde. Tout d'abord, nous importons la bibliothèque qui est Numpy parce que nous faisons les opérations mathématiques dans la langue Python. Nous écrivons «Importer Numpy en NP» où l'importation est le mot-clé, Numpy est le nom de la bibliothèque, et NP est l'alias de Numpy.
Ensuite, nous créons un tableau d'entrée à l'aide de la fonction lispace (). C'est l'une des fonctions de Numpy qui est utilisée pour espacer uniformément le tableau qui contient 10 éléments de -100 à 100. Et puis, nous stockons toute la fonction dans un autre tableau nommé «Array» et l'affichage à l'aide de la méthode print (). Ensuite, nous définissons la fonction sigmoïde car elle n'est pas une fonction prédéfinie de Numpy. Ensuite, nous retournons la formule du sigmoïde à la fonction sigmoïde.
Importer Numpy comme NP
print ("Implémentation de la fonction sigmoïde dans Numpy: \ n")
array = np.lispace (start = -100, stop = 100, num = 10)
print ("Le tableau d'entrée est: \ n", tableau)
def sigmoïde (x):
retour 1.0 / (1.0 + np.exp (-x))
sigmoïd_values = sigmoïde (tableau)
print ("\ nthe Sigmoïd Les valeurs sont: \ n", sigmoïd_values)
Après avoir défini la fonction sigmoïde, nous utilisons la fonction sigmoïde et passons le tableau d'entrée dedans. Ensuite, nous stockons la fonction dans un autre tableau qui est nommé «Sigmoïd_values». Ensuite, nous affichons le nouveau tableau en appelant la méthode print () et en passant le Sigmoïd_values dedans.
Voyons la sortie du deuxième exemple de la fonction sigmoïde et vérifions si nous obtenons la sortie souhaitée ou non:
Comme vous pouvez le voir, nous obtenons la sortie souhaitée de l'exemple précédemment expliqué car nous avons donné l'entrée de 10 éléments dans le tableau.
Conclusion
Dans cet article, nous avons appris la fonction sigmoïde et comment nous définissons la fonction sigmoïde dans Numpy car il n'est pas une fonction prédéfinie de Numpy Python. Ensuite, nous avons implémenté plusieurs exemples de la fonction sigmoïde et expliqué ces exemples.