Update mlp.py

mlp.py

@@ -77,7 +77,7 @@ def learn_one_cross_entropy (w1, b1, w2, b2, data, labels_train, learning_rate)
 
     #Ajout d'un coefficient epsilon très faible dans la fonction de coût pour éviter les problèmes de division par zéro
     epsilon = 0.00001
-    loss = -np.sum(y * np.log2(predictions + epsilon) + (1 - y) * np.log2(1 - predictions + epsilon)) / N
+    loss = -np.sum(y * np.log(predictions + epsilon) + (1 - y) * np.log(1 - predictions + epsilon)) / N
 
     return (w1, b1, w2, b2, loss)