本文共 1558 字,大约阅读时间需要 5 分钟。
python numpy 实现与(and),非与(not),或(or),异或(xor)逻辑运算!-
在高中的物理课上接触到与或非的逻辑运算,感觉那时候用他们来控制电路满有意思的,现在接触深度学习间接的接触这些逻辑运算,现在具体的讲解下他们的区别:
与运算:假设完成一个任务,需要两者都具备完成条件即可,若两者之一具备完成任务条件或两者都不具备完成任务的条件则无法完成任务。
非运算:与运算的逆运算,两者两者都具备完成条件则不能完成任务,两者不具备完成任务条件或两者其中之一具备完成条件则完成任务。
或运算 :假设完成一个任务,两者都具备完成任务条件或两者其中之一具备完成任务的条件则完成任务,,两者都不具备完成任务条件则无法完成任务。
异或运算::假设完成一个任务,两者都具备完成任务条件或两者都不具备完成任务的条件则任务不能完成任务,若两者之一具备完成任务的条件则完成任务。
用表格表示为如下
x1 | x2 | 与 | 非 | 或 | 异或 |
---|---|---|---|---|---|
0 | 0 | 0 | 1 | 0 | 0 |
0 | 1 | 0 | 1 | 1 | 1 |
1 | 0 | 0 | 1 | 1 | 1 |
1 | 1 | 1 | 0 | 1 | 0 |
这里用x1=1,x2=0作为例子进行的运算
import numpy as np# numpy实现与运算def AND(x1,x2): #判断条件(x1w1+x2w2)>1 retuen 1,否则return 0 x=np.array([x1,x2]) w=np.array([0.6,0.5]) y=np.sum(x*w) if y>1: return 1 else: return 0 # numpy实现非运算def NOT(x1,x2): #判断条件(x1w1+x2w2)<1 retuen 1,否则return 0 x=np.array([x1,x2]) w=np.array([0.6,0.5]) y=np.sum(x*w) if y<=1: return 1 else: return 0 #numpy实现或运算def OR(x1,x2): #权重x1,x2要大于偏执b,判断条件 为真-> b+x1w1+x2w2>=0 为假-> b+x1w1+x2w2<=0 x=np.array([x1,x2]) w=np.array([0.2,0.5]) b=-0.1 y=np.sum(x*w)+b if y<=0: return 0 else: return 1#numpy实现异或运算def XOR(x1,x2): #判断条件将输入值x1,x2进行非not运算和或or运算然后再将其返回值进行与and运算变得到异或xor运算 m=NOT(x1,x2) n=OR(x1,x2) k =AND(m,n) return k if __name__=="__main__": data=[1,0] print("x1,x2分别为:",data[0],data[1]) print("与运算:",AND(data[0],data[1])) print("非运算:",NOT(data[0],data[1])) print("或运算:",OR(data[0],data[1])) print("异或运算:",XOR(data[0],data[1]))
转载地址:http://qeqzi.baihongyu.com/