13

以下代码是用 Octave 编程语言编写的

g =1./(1+e.^-(z)

它计算一个 sigmoid 函数，可以采用标量、向量或矩阵。例如，如果我将上述内容放入函数 sigmoid(z) 中，其中 z=0，结果将是：

result=sigmoid(0)

如果传递一个向量说 z= [ 0.2, 0.4, 0.1]，结果将是标量 ( 0.5)，它将输出结果向量：-

 result=sigmoid(z)

结果是一个向量：

 0.54983   0.59869   0.52498

如果 z 是一个矩阵

 z=[ 0.2 0.4; 0.5 0.7; 0.9 .004]

result = sigmoid(z)

结果是=

  0.54983   0.59869
  0.62246   0.66819
  0.71095   0.50100

现在如何在 Python 中实现类似的方法？我尝试了下面的代码，

g=1./ (1 + math.exp(-z))

但它仅适用于标量。不适用于向量和矩阵。我究竟做错了什么。对不起，我之前的问题不是很清楚。我重新编辑了它。

4

2 回答 2

18

numpy 模块包含在许多 Python 发行版中并且易于添加到其他发行版中，具有数组功能。以下是如何使用 numpy 在 Python 中做你想做的事情。请注意，在 numpy 中定义数组与在 Octave 中有些不同，但 sigmoid 表达式几乎完全相同。

from numpy import array, exp

z = array([ 0.2, 0.4, 0.1])
print('z = \n', z)
g = 1 / (1 + exp(-z))
print('g =\n', g)

print()

z = array([[0.2, 0.4], [0.5, 0.7], [0.9, .004]])
print('z = \n', z)
g = 1 / (1 + exp(-z))
print('g =\n', g)

该代码（在 IPython 中运行）的结果是：

z = 
 [ 0.2  0.4  0.1]
g =
 [ 0.549834    0.59868766  0.52497919]

z = 
 [[ 0.2    0.4  ]
 [ 0.5    0.7  ]
 [ 0.9    0.004]]
g =
 [[ 0.549834    0.59868766]
 [ 0.62245933  0.66818777]
 [ 0.7109495   0.501     ]]
于 2017-03-03T00:11:57.290 回答
4

或者，您可以使用 scipy 中可用的矢量化 Sigmoid 函数 expit：

from scipy.special import expit
from numpy import array

z = array([ 0.2, 0.4, 0.1])
g = expit(z)
于 2019-04-29T19:23:13.597 回答