我是新手。刚刚从JS转到Python来构建神经网络，但得到的输出是[Nan]。
奇怪的是我的Sigmoid函数似乎没有遇到任何溢出，但其导数却引起了混乱。
import numpy as npdef sigmoid(x): return x*(1-x) return 1/(1 + np.exp(-x))#The function- 2def Sigmoid_Derivative(x): return x * (1-x)Training_inputs = np.array([[0,0,1], [1,1,1], [1,0,1], [0,1,1]])Training_outputs = np.array([[0, 1, 1, 0]]).Tnp.random.seed(1)synaptic_weights = np.random.random((3, 1)) - 1print ("Random starting synaptic weight:")print (synaptic_weights)for iteration in range(20000): Input_Layer = Training_inputs Outputs = sigmoid(np.dot(Input_Layer, synaptic_weights)) erorr = Training_outputs - Outputs adjustments = erorr * Sigmoid_Derivative(Outputs) synaptic_weights += np.dot(Input_Layer.T, adjustments)# The print declaration---------- print ("Synaptic weights after trainig:")print (synaptic_weights)print ("Outputs after training: ")print (Outputs)这是错误消息。我不知道为什么会溢出，因为权重看起来足够小。顺便说一下，请用简单的Python给出解决方案，因为我是新手 :–
Random starting synaptic weight:[[-0.582978 ] [-0.27967551] [-0.99988563]]/home/neel/Documents/VS-Code_Projects/Machine_Lrn(PY)/tempCodeRunnerFile.py:10: RuntimeWarning: overflow encountered in multiply return x * (1-x)Synaptic weights after trainig:[[nan] [nan] [nan]]Outputs after training: [[nan] [nan] [nan] [nan]]回答：
你的代码至少有两个问题。
第一个是你的sigmoid函数中莫名其妙地使用了两个return语句，它应该简单地是：
def sigmoid(x): return 1/(1 + np.exp(-x))这对于x=0（0.5）给出正确的结果，并且当x很大时趋于1：
sigmoid(0)# 0.5sigmoid(20)# 0.99999999793884631你的（错误的）sigmoid函数：
def your_sigmoid(x): return x*(1-x) return 1/(1 + np.exp(-x))很容易导致溢出：
your_sigmoid(20)# -380另一个问题是你的导数计算错误；它应该是：
def Sigmoid_Derivative(x): return sigmoid(x) * (1-sigmoid(x))请参阅Sigmoid函数的导数在Math.SE的讨论，以及这里的讨论。
