Udfordring: Oprettelse af en Perceptron
Da målet er at implementere en multilags perceptron, vil oprettelsen af en Perceptron-klasse forenkle initialiseringen af modellen. Dens eneste attribut, layers, er i bund og grund en liste af Layer-objekter, der definerer netværkets struktur:
class Perceptron:
def __init__(self, layers):
self.layers = layers
Variablerne, der bruges til at initialisere lagene, er følgende:
input_size: antallet af input-features;hidden_size: antallet af neuroner i hver skjult lag (begge skjulte lag vil i dette tilfælde have samme antal neuroner);output_size: antallet af neuroner i output-laget.
Strukturen af den resulterende perceptron bør være som følger:
Swipe to start coding
Målet er at opstille den grundlæggende struktur for perceptronen ved at implementere dens lag:
- Initialiser vægtene (en matrix) og biaserne (en vektor) med tilfældige værdier fra en uniform fordeling i intervallet [−1,1) ved brug af NumPy.
- Beregn rå outputværdier for neuronerne i
forward()-metoden iLayer-klassen. - Anvend aktiveringsfunktionen på de rå output i
forward()-metoden iLayer-klassen og returnér resultatet. - Definér tre lag i
Perceptron-klassen: to skjulte lag med samme antal neuroner og ét outputlag. Begge skjulte lag skal brugerelu-aktiveringsfunktionen, mens outputlaget skal brugesigmoid.
Løsning
Tak for dine kommentarer!
single
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 4Udfordring: Oprettelse af en Perceptron
Stryg for at vise menuen
Da målet er at implementere en multilags perceptron, vil oprettelsen af en Perceptron-klasse forenkle initialiseringen af modellen. Dens eneste attribut, layers, er i bund og grund en liste af Layer-objekter, der definerer netværkets struktur:
class Perceptron:
def __init__(self, layers):
self.layers = layers
Variablerne, der bruges til at initialisere lagene, er følgende:
input_size: antallet af input-features;hidden_size: antallet af neuroner i hver skjult lag (begge skjulte lag vil i dette tilfælde have samme antal neuroner);output_size: antallet af neuroner i output-laget.
Strukturen af den resulterende perceptron bør være som følger:
Swipe to start coding
Målet er at opstille den grundlæggende struktur for perceptronen ved at implementere dens lag:
- Initialiser vægtene (en matrix) og biaserne (en vektor) med tilfældige værdier fra en uniform fordeling i intervallet [−1,1) ved brug af NumPy.
- Beregn rå outputværdier for neuronerne i
forward()-metoden iLayer-klassen. - Anvend aktiveringsfunktionen på de rå output i
forward()-metoden iLayer-klassen og returnér resultatet. - Definér tre lag i
Perceptron-klassen: to skjulte lag med samme antal neuroner og ét outputlag. Begge skjulte lag skal brugerelu-aktiveringsfunktionen, mens outputlaget skal brugesigmoid.
Løsning
Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående mulighederTak for dine kommentarer!
single
