Herausforderung: Erstellung eines Perzeptrons
Da unser Ziel die Implementierung eines mehrschichtigen Perzeptrons ist, vereinfacht das Erstellen 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:
- Initialisierung der Gewichte (eine Matrix) und Biases (ein Vektor) mit Zufallswerten aus einer gleichverteilten Verteilung im Bereich [−1,1) unter Verwendung von NumPy.
- Berechnung der Roh-Ausgabewerte der Neuronen in der Methode
forward()
der KlasseLayer
. - Anwendung der Aktivierungsfunktion auf die Roh-Ausgaben in der Methode
forward()
der KlasseLayer
und Rückgabe des Ergebnisses. - Definition von drei Schichten in der Klasse
Perceptron
: zwei versteckte Schichten mit gleicher Neuronenzahl und eine Ausgabeschicht. Beide versteckten Schichten sollen dierelu
-Aktivierungsfunktion verwenden, während die Ausgabeschichtsigmoid
nutzt.
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 4
Herausforderung: Erstellung eines Perzeptrons
Swipe um das Menü anzuzeigen
Da unser Ziel die Implementierung eines mehrschichtigen Perzeptrons ist, vereinfacht das Erstellen 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:
- Initialisierung der Gewichte (eine Matrix) und Biases (ein Vektor) mit Zufallswerten aus einer gleichverteilten Verteilung im Bereich [−1,1) unter Verwendung von NumPy.
- Berechnung der Roh-Ausgabewerte der Neuronen in der Methode
forward()
der KlasseLayer
. - Anwendung der Aktivierungsfunktion auf die Roh-Ausgaben in der Methode
forward()
der KlasseLayer
und Rückgabe des Ergebnisses. - Definition von drei Schichten in der Klasse
Perceptron
: zwei versteckte Schichten mit gleicher Neuronenzahl und eine Ausgabeschicht. Beide versteckten Schichten sollen dierelu
-Aktivierungsfunktion verwenden, während die Ausgabeschichtsigmoid
nutzt.
Lösung
Danke für Ihr Feedback!
single