在神经网络入门回顾（感知器、多层感知器）中整理了关于感知器和多层感知器的理论，这里实现关于与门、与非门、或门、异或门的代码，以便对感知器有更好的感觉。

此外，我们使用 pytest 框架进行测试。

pip install pytest

与门、与非门、或门

通过一层感知器就可以实现与门、与非门、或门。

先写测试代码 test_perception.py：

from perception import and_operate, nand_operate, or_operatedef test_and_operate(): """ 测试与门 :return: """ assert and_operate(1, 1) == 1 assert and_operate(1, 0) == 0 assert and_operate(0, 1) == 0 assert and_operate(0, 0) == 0def test_nand_operate(): """ 测试与非门 :return: """ assert nand_operate(1, 1) == 0 assert nand_operate(1, 0) == 1 assert nand_operate(0, 1) == 1 assert nand_operate(0, 0) == 1def test_or_operate(): """ 测试或门 :return: """ assert or_operate(1, 1) == 1 assert or_operate(1, 0) == 1 assert or_operate(0, 1) == 1 assert or_operate(0, 0) == 0

写完测试代码，后面直接输入命令pytest -v 即可测试代码。

这三个门的权重和偏置是根据人的直觉或者画图得到的，并且不是唯一的。以下是简单的实现，在 perception.py 中写上：

import numpy as npdef step_function(x): """ 阶跃函数 :param x: :return: """ if x <= 0: return 0 else: return 1def and_operate(x1, x2): """ 与门 :param x1: :param x2: :return: """ x = np.array([x1, x2]) w = np.array([0.5, 0.5]) b = -0.7 return step_function(np.sum(w * x) + b)def nand_operate(x1, x2): """ 与非门 :param x1: :param x2: :return: """ x = np.array([x1, x2]) w = np.array([-0.5, -0.5]) b = 0.7 return step_function(np.sum(w * x) + b)def or_operate(x1, x2): """ 或门 :param x1: :param x2: :return: """ x = np.array([x1, x2]) w = np.array([0.5, 0.5]) b = -0.3 return step_function(np.sum(w * x) + b)

运行pytest -v确认测试通过。

========================================================================== test session starts ===========================================================================platform darwin -- Python 3.6.8, pytest-5.1.2, py-1.8.0, pluggy-0.12.0 -- /Users/mac/.virtualenvs/work/bin/python3...collected 3 items test_perception.py::test_and_operate PASSED [ 33%]test_perception.py::test_nand_operate PASSED [ 66%]test_perception.py::test_or_operate PASSED [100%]=========================================================================== 3 passed in 0.51s ============================================================================

异或门

如上图所示，由于异或门不是线性可分的，因此需要多层感知器的结构。

使用两层感知器可以实现异或门。

修改 test_perception.py 文件，加入异或门的测试代码 ：

from perception import and_operate, nand_operate, or_operate, xor_operate

以及

def test_xor_operate(): """ 测试异或门 :return: """ assert xor_operate(1, 1) == 0 assert xor_operate(1, 0) == 1 assert xor_operate(0, 1) == 1 assert xor_operate(0, 0) == 0

在 perception.py 文件里加入异或门的函数：

def xor_operate(x1, x2): """ 异或门 :param x1: :param x2: :return: """ s1 = nand_operate(x1, x2) s2 = or_operate(x1, x2) return and_operate(s1, s2)

我们通过与非门和或门的线性组合实现了异或门。

运行命令pytest -v测试成功。

========================================================================== test session starts ===========================================================================platform darwin -- Python 3.6.8, pytest-5.1.2, py-1.8.0, pluggy-0.12.0 -- /Users/mac/.virtualenvs/work/bin/python3...collected 4 items test_perception.py::test_and_operate PASSED [ 25%]test_perception.py::test_nand_operate PASSED [ 50%]test_perception.py::test_or_operate PASSED [ 75%]test_perception.py::test_xor_operate PASSED [100%]=========================================================================== 4 passed in 0.60s ============================================================================

原文作者：雨先生
原文链接：https:///noluye/p/11465389.html
许可协议：知识共享署名-非商业性使用 4.0 国际许可协议

以上就是Python如何实现感知器的逻辑电路的详细内容，更多关于python 感知器的逻辑电路的资料请关注其它相关文章！