Sigmoides numpy
La función sigmoidea se usa para pronosticar las salidas de probabilidad estadística y se puede encontrar en las capas de salida de arquitecturas de aprendizaje profundo y en el aprendizaje automático. Esta función acepta entradas de cualquier rango de números reales y produce resultados con valores reales. Veamos las fórmulas de la función sigmoidea:
Comencemos a implementar la función sigmoidea en Python usando la biblioteca Numpy.
Sintaxis:
Implementamos el sigmoid_Function en Python. La palabra clave "def" significa que definimos la función en python. Luego, escribimos el nombre de la función que queremos implementar. En los soportes de la función, pasamos el argumento que puede ser una variable o una matriz en la función. En el cuerpo de la función, escribimos la fórmula de la función sigmoidea para obtener la salida de la función sigmoidea.
Como puede ver en la fórmula, usamos la función exp () para calcular el exponencial del inverso de X. El x es el valor de entrada o la matriz de entrada de la función sigmoidea.
Parámetro:
X: El valor de entrada único o la matriz de entrada de la función sigmoidea.
Valor de retorno:
El valor de retorno de la función sigmoide depende del valor de entrada de la función sigmoidea. Si pasamos el número real en la función sigmoide, obtenemos el número real a cambio. Pero si pasamos la matriz en la función sigmoidea, devuelve la matriz Numpy. La matriz resultante es en cuanto a elementos y tiene la misma forma que la forma de la matriz de entrada.
Ejemplo 1:
Comencemos nuestro primer y simple ejemplo de la función sigmoidea en Python utilizando una de las bibliotecas importantes de Python que se utiliza para calcular el valor numérico en el lenguaje de programación de Python. Para implementar esto, primero tenemos que instalar la biblioteca Numpy. Después de esto, importamos la biblioteca para que podamos realizar las funciones numéricas en Python. Primero escribimos la palabra clave "importar" para que le indique al compilador que vamos a importar la biblioteca. Luego, escribimos el nombre de la biblioteca que usamos en el programa que es "Numpy". También podemos escribir el alias de Numpy, que es "NP". Ahora, comenzamos a escribir la línea de código real de la función sigmoide que queremos realizar.
Después de importar la biblioteca Numpy, llamamos a un método print () para que podamos mostrar el mensaje de que estamos implementando la función sigmoidal. Esto es opcional; Solo mostramos esto para que los usuarios puedan entender fácilmente lo que estamos haciendo en el ejemplo. Luego, creamos la matriz de entrada usando la función Array () de Numpy. Luego, mostramos esta matriz de entrada en el shell usando el método print () nuevamente. El método de impresión es el método predefinido del lenguaje Python que se utiliza para mostrar los datos en la salida después del proceso de compilación.
importar numpy como np
Imprimir ("Implementación de la función sigmoidea en Numpy Python:")
matriz = np.Array ([-0.1, 2.1, 1.1, -3.3, 0.1])
Imprimir ("\ nthe Input Array es:", Array)
Def Sigmoid (x):
Devolver 1.0 / (1.0 + NP.exp (-x))
Imprimir ("\ nthe Sigmoid Array es:", sigmoid (matriz))
Como puede ver, definimos la función sigmoide porque Numpy no proporciona ninguna función para calcular el valor del sigmoide, por lo que tenemos que hacer una función sigmoidal personalizada. Primero, escribimos la palabra clave "def", que significa que le decimos al compilador que estamos definiendo la función. Luego, escribimos el nombre de la función que realizamos, que es "sigmoide". Luego, pasamos el parámetro en la función sigmoide que es "x". En el cuerpo de la función sigmoidea, primero escribimos la palabra clave "return". Luego, implementamos las fórmulas sigmoides que usamos en matemáticas para calcular el sigmoides. Como ha notado, usamos la función Exp () en la fórmula porque calculamos el exponencial del inverso de "x", por lo que usamos la función exp () y luego devolvemos la fórmula calculada a la función sigmoidea. Luego, mostramos la matriz sigmoidea usando el método print ().
Ahora, veamos la salida de la función sigmoide que tenemos que calcular usando el paquete Numpy:
Ejemplo 2:
Pasemos a otro ejemplo de la función sigmoidea. Primero, importamos la biblioteca que es numpy porque estamos haciendo las operaciones matemáticas en el idioma de Python. Escribimos "Importar Numpy como NP" donde la importación es la palabra clave, Numpy es el nombre de la biblioteca y NP es el alias de Numpy.
Luego, creamos una matriz de entrada usando la función Linspace (). Es una de las funciones de Numpy que se usa para espaciar uniformemente la matriz que contiene 10 elementos de -100 a 100. Y luego, almacenamos toda la función en otra matriz llamada "matriz" y la mostramos usando el método print (). Luego, definimos la función sigmoide porque no es una función predefinida de Numpy. Luego, devolvemos la fórmula del sigmoide a la función sigmoidea.
importar numpy como np
Imprimir ("Implementación de la función sigmoide en Numpy: \ n")
matriz = np.linspace (inicio = -100, parada = 100, num = 10)
imprimir ("La matriz de entrada es: \ n", matriz)
Def Sigmoid (x):
Devolver 1.0 / (1.0 + NP.exp (-x))
sigmoid_values = sigmoid (Array)
imprimir ("\ nthe valores sigmoides son: \ n", sigmoid_values)
Después de definir la función sigmoidea, usamos la función sigmoidea y pasamos la matriz de entrada en ella. Luego, almacenamos la función en otra matriz que se llama "sigmoid_values". Luego, mostramos la nueva matriz llamando al método print () y pasando el sigmoid_Values en ella.
Veamos la salida del segundo ejemplo de la función sigmoide y verifiquemos si obtenemos la salida deseada o no:
Como puede ver, obtenemos la salida deseada del ejemplo previamente explicado al dar la entrada de 10 elementos en la matriz.
Conclusión
En este artículo, aprendimos sobre la función sigmoide y cómo definimos la función sigmoidea en Numpy porque no es una función predefinida de Numpy Python. Luego, implementamos múltiples ejemplos de la función sigmoidea y explicamos estos ejemplos.