如果这是一个简单的问题，或者只是愚蠢的问题，请原谅，我刚刚开始学习Python和神经网络… 所以我按照一个教程制作了一个简单的neural network，一切都运行良好，我的疑问是如何更改我的输入和输出目标，因为目前我不明白为什么输入和输出是数组？我希望能够让它学会在递减值达到某个点时返回1，比如0.25，其他情况下返回0？一个例子是输入是到障碍物的X距离，它可以学会在足够接近时跳跃（输出1 = 跳跃，输出0 = 什么都不做）？（总结一下，我的困惑在于我想找到一种方法来输入像浮点数这样的东西，并输出像浮点数或整数这样的东西，但它似乎只能接受和输出np.arrays）这里是供参考的代码（这个代码运行良好，但我不知道该如何更改输入和输出目标…）：

import numpy as npdef sigmoid(x):    return 1.0/(1+ np.exp(-x))def sigmoid_derivative(x):    return x * (1.0 - x)    class NeuralNetwork:    def __init__(self, x, y):        self.input = x        self.weights1 = np.random.rand(self.input.shape[1],4)        self.weights2 = np.random.rand(4,1)        self.y = y        self.output = np.zeros(y.shape)    def feedforward(self):            self.layer1 = sigmoid(np.dot(self.input, self.weights1))            self.output = sigmoid(np.dot(self.layer1, self.weights2))    def backprop(self):        d_weights2 = np.dot(self.layer1.T, (2*(self.y - self.output) * sigmoid_derivative(self.output)))                d_weights1 = np.dot(self.input.T, (np.dot(2*(self.y - self.output) * sigmoid_derivative(self.output), self.weights2.T) * sigmoid_derivative(self.layer1)))        self.weights1 += d_weights1        self.weights2 += d_weights2if __name__ == "__main__":    X = np.array([[0,0,1],                  [0,1,1],                  [1,0,1],                  [1,1,1]])    y = np.array([[1],[0],[1],[0]])    nn = NeuralNetwork(X,y)    for i in range(10000):        nn.feedforward()        nn.backprop()    print(nn.output)

回答：

你需要了解什么是batch size，一般来说，我们通常将多个样本输入到神经网络中，batch size是样本的数量，你看，输入至少有两个维度[batch_size, fea_size]，所以我们使用ndarray来包含输入。

如果你想输入一个单一的（意味着batch size是1）浮点数（意味着fea_size是1），你需要使用形状为(1,1)的ndarray包装你的输入，比如np.array([[0.5]])。

接下来，神经网络的输出也是形状为[batch_size, output_size]，它为所有输入样本提供结果，而output_size由最后一层的权重决定（在你的代码中self.weights2 = np.random.rand(4,1)），这意味着output_size是1。所以如果你想要一个浮点数输出，你可以从np.output[:, 0]中获取所有样本的输出。