Herausforderung: Erstellung Eines Perzeptrons
Da unser Ziel die Implementierung eines mehrschichtigen Perzeptrons ist, vereinfacht die Erstellung einer Perceptron-Klasse die Initialisierung des Modells. Ihr einziges Attribut, layers, ist im Wesentlichen eine Liste der Layer-Objekte, die die Struktur des Netzwerks definieren:
class Perceptron:
def __init__(self, layers):
self.layers = layers
Die Variablen, die zur Initialisierung der Schichten verwendet werden, sind die folgenden:
input_size: die Anzahl der Eingabemerkmale;hidden_size: die Anzahl der Neuronen in jeder versteckten Schicht (beide versteckten Schichten haben in diesem Fall die gleiche Anzahl an Neuronen);output_size: die Anzahl der Neuronen in der Ausgabeschicht.
Die Struktur des resultierenden Perzeptrons sollte wie folgt aussehen:
Swipe to start coding
Ziel ist es, die Grundstruktur des Perzeptrons durch Implementierung seiner Schichten aufzubauen:
-
Vervollständigen der Schichtinitialisierung (
__init__()-Methode):- Initialisierung der Gewichtsmatrix (Form:
(n_neurons, n_neurons)); - Initialisierung des Biasvektors (Form:
(n_neurons, 1)).
Beide werden mit Zufallswerten aus einer gleichverteilten Zufallsverteilung im Bereich [−1,1) gefüllt. Verwenden Sie hierfür die Funktion
np.random.uniform(). - Initialisierung der Gewichtsmatrix (Form:
-
Vervollständigen der Vorwärtsausbreitung der Schicht (
forward()-Methode):- Berechnung der Roh-Ausgabewerte der Neuronen. Verwenden Sie für das Skalarprodukt die Funktion
np.dot(); - Anwendung der Aktivierungsfunktion auf die Roh-Ausgaben und Rückgabe des Ergebnisses.
- Berechnung der Roh-Ausgabewerte der Neuronen. Verwenden Sie für das Skalarprodukt die Funktion
-
Definition von drei Schichten:
- Zwei versteckte Schichten: Jede Schicht soll
hidden_sizeNeuronen enthalten und dierelu-Aktivierungsfunktion verwenden; - Eine Ausgabeschicht: Diese soll die
sigmoid-Aktivierungsfunktion verwenden.
- Zwei versteckte Schichten: Jede Schicht soll
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Can you explain how to define the Layer class?
How do I initialize the Perceptron with specific layer sizes?
What is the purpose of having multiple hidden layers in this structure?
Awesome!
Completion rate improved to 4Herausforderung: Erstellung Eines Perzeptrons
Swipe um das Menü anzuzeigen
Da unser Ziel die Implementierung eines mehrschichtigen Perzeptrons ist, vereinfacht die Erstellung einer Perceptron-Klasse die Initialisierung des Modells. Ihr einziges Attribut, layers, ist im Wesentlichen eine Liste der Layer-Objekte, die die Struktur des Netzwerks definieren:
class Perceptron:
def __init__(self, layers):
self.layers = layers
Die Variablen, die zur Initialisierung der Schichten verwendet werden, sind die folgenden:
input_size: die Anzahl der Eingabemerkmale;hidden_size: die Anzahl der Neuronen in jeder versteckten Schicht (beide versteckten Schichten haben in diesem Fall die gleiche Anzahl an Neuronen);output_size: die Anzahl der Neuronen in der Ausgabeschicht.
Die Struktur des resultierenden Perzeptrons sollte wie folgt aussehen:
Swipe to start coding
Ziel ist es, die Grundstruktur des Perzeptrons durch Implementierung seiner Schichten aufzubauen:
-
Vervollständigen der Schichtinitialisierung (
__init__()-Methode):- Initialisierung der Gewichtsmatrix (Form:
(n_neurons, n_neurons)); - Initialisierung des Biasvektors (Form:
(n_neurons, 1)).
Beide werden mit Zufallswerten aus einer gleichverteilten Zufallsverteilung im Bereich [−1,1) gefüllt. Verwenden Sie hierfür die Funktion
np.random.uniform(). - Initialisierung der Gewichtsmatrix (Form:
-
Vervollständigen der Vorwärtsausbreitung der Schicht (
forward()-Methode):- Berechnung der Roh-Ausgabewerte der Neuronen. Verwenden Sie für das Skalarprodukt die Funktion
np.dot(); - Anwendung der Aktivierungsfunktion auf die Roh-Ausgaben und Rückgabe des Ergebnisses.
- Berechnung der Roh-Ausgabewerte der Neuronen. Verwenden Sie für das Skalarprodukt die Funktion
-
Definition von drei Schichten:
- Zwei versteckte Schichten: Jede Schicht soll
hidden_sizeNeuronen enthalten und dierelu-Aktivierungsfunktion verwenden; - Eine Ausgabeschicht: Diese soll die
sigmoid-Aktivierungsfunktion verwenden.
- Zwei versteckte Schichten: Jede Schicht soll
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
