神经网络权重和偏置初始化详解

这段代码用于初始化神经网络的权重和偏置参数。

• np.random.seed(0): 设置随机数生成器的种子，确保每次运行代码时生成的随机数是一致的。
• weights1 = 2 * np.random.random((2, 4)) - 1: 使用随机数生成器生成一个形状为(2, 4)的矩阵，其中的元素取值范围为[-1, 1]。这个矩阵表示输入层和隐藏层之间的权重。
• weights2 = 2 * np.random.random((4, 3)) - 1: 使用随机数生成器生成一个形状为(4, 3)的矩阵，其中的元素取值范围为[-1, 1]。这个矩阵表示隐藏层和输出层之间的权重。
• bias1 = np.zeros((1, 4)): 创建一个形状为(1, 4)的全零矩阵，表示隐藏层的偏置。
• bias2 = np.zeros((1, 3)): 创建一个形状为(1, 3)的全零矩阵，表示输出层的偏置。

这些权重和偏置参数将用于神经网络的前向传播和反向传播过程。