(9):神经元网络层次的权重Weight连接

Create_AI_Framework_In5Classes版本的NetworkConnection.py代码如下：

 # -*- coding: utf-8 -*-

回到入口程序Create_AI_Framework_In5Classes(Class1)的Neuron_Network_Entry.py，准备调用我们的NetworkConnection.create_Weights权重连接：

• Neuron_Network_Entry.py上段代码中第15行 以后新增代码。在NetworkConnection.create_Weights方法中传入nodes,num_of_features,hidden_layers参数。
• 同时，也新增加代码，打印神经元节点中哪些节点是Bias节点。

weights = NetworkConnection.create_Weights(nodes,num_of_features, hidden_layers)

这个时候我们回顾一下，在Create_AI_Framework_In5Classes(Class1)版本的

NetworkStructure.py中对于神经元网络不同层次的level信息还没有设置，要对神经元节点设置level信息。

在Create_AI_Framework_In5Classes(Class1)版本的NetworkStructure.py 在NetworkStructure.py的基础上微调：

• NetworkStructure.py 代码中第15行之后新增一行代码，新增加对输入层Bias节点的层次设置，输入层Bias层次设置为0。
• NetworkStructure.py  代码中第32行之后新增一行代码，新增加对隐藏层Bias节点的层次设置，输入层Bias层次设置为i+1, 隐藏层的层次i从0开始，因此加上1。
• NetworkStructure.py 代码中第45行之后新增一行代码，新增加对隐藏层神经元节点的层次设置，输入层Bias层次设置为i+1, 隐藏层的层次i从0开始，因此加上1。
• NetworkStructure.py 代码中第59行之后新增一行代码，新增加对输出层神经元节点的层次设置，输出层Bias层次设置为1 + len(hidden_layers)，层次数加1。

……

之前在Create_AI_Framework_In5Classes(Class1)版本的NetworkStructure.py 对输入层的节点还没有创建，这里加上输入层节点的创建代码，输入层跟输入的Feature有关系，通过for循环num_of_features，因此索引值从0开始，因此打印输入层节点的时候将i加1，然后将创建节点的代码复制过来进行修改，设置输入层的node的_is_bias_unit为False值，设置index值为nodeIndex。然后nodeIndex加1。

在Create_AI_Framework_In5Classes(Class1)版本的NetworkStructure.py 在NetworkStructure.py 的基础上微调：

• NetworkStructure.py 代码中第25行之后新增代码，在已经创建的输入层Bias代码之后增加创建输入层节点的代码，输入层神经元节点的层次设置为0。打印输入层节点的信息，格式为V和i+1的信息。

……

至此，我们已经初步实现了NetworkStructure.py神经元节点构建、NetworkConnection.py神经元网络层次的权重Weight连接 。

欢迎关注微信公众号：“从零起步学习人工智能”。

喜欢我们发布的信息，就在右下角点一下“在看”吧！欢迎转发分享！