Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Desafío: Creación de un Perceptrón | Red Neuronal Desde Cero
Introducción a las Redes Neuronales

bookDesafío: Creación de un Perceptrón

Dado que nuestro objetivo es implementar un perceptrón multicapa, crear una clase Perceptron facilitará la inicialización del modelo. Su único atributo, layers, es esencialmente una lista de objetos Layer que definen la estructura de la red:

class Perceptron:
    def __init__(self, layers):
        self.layers = layers

Las variables utilizadas para inicializar las capas son las siguientes:

  • input_size: número de características de entrada;
  • hidden_size: número de neuronas en cada capa oculta (en este caso, ambas capas ocultas tendrán el mismo número de neuronas);
  • output_size: número de neuronas en la capa de salida.

La estructura del perceptrón resultante debe ser la siguiente:

Tarea

Swipe to start coding

El objetivo es establecer la estructura básica del perceptrón implementando sus capas:

  1. Inicializar los pesos (una matriz) y los sesgos (un vector) con valores aleatorios de una distribución uniforme en el rango [1,1)[-1, 1) utilizando NumPy.
  2. Calcular los valores de salida brutos de las neuronas en el método forward() de la clase Layer.
  3. Aplicar la función de activación a las salidas brutas en el método forward() de la clase Layer y devolver el resultado.
  4. Definir tres capas en la clase Perceptron: dos capas ocultas con el mismo número de neuronas y una capa de salida. Ambas capas ocultas deben usar la función de activación relu, mientras que la capa de salida debe usar sigmoid.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 2. Capítulo 4
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Suggested prompts:

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?

close

Awesome!

Completion rate improved to 4

bookDesafío: Creación de un Perceptrón

Desliza para mostrar el menú

Dado que nuestro objetivo es implementar un perceptrón multicapa, crear una clase Perceptron facilitará la inicialización del modelo. Su único atributo, layers, es esencialmente una lista de objetos Layer que definen la estructura de la red:

class Perceptron:
    def __init__(self, layers):
        self.layers = layers

Las variables utilizadas para inicializar las capas son las siguientes:

  • input_size: número de características de entrada;
  • hidden_size: número de neuronas en cada capa oculta (en este caso, ambas capas ocultas tendrán el mismo número de neuronas);
  • output_size: número de neuronas en la capa de salida.

La estructura del perceptrón resultante debe ser la siguiente:

Tarea

Swipe to start coding

El objetivo es establecer la estructura básica del perceptrón implementando sus capas:

  1. Inicializar los pesos (una matriz) y los sesgos (un vector) con valores aleatorios de una distribución uniforme en el rango [1,1)[-1, 1) utilizando NumPy.
  2. Calcular los valores de salida brutos de las neuronas en el método forward() de la clase Layer.
  3. Aplicar la función de activación a las salidas brutas en el método forward() de la clase Layer y devolver el resultado.
  4. Definir tres capas en la clase Perceptron: dos capas ocultas con el mismo número de neuronas y una capa de salida. Ambas capas ocultas deben usar la función de activación relu, mientras que la capa de salida debe usar sigmoid.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 2. Capítulo 4
single

single

some-alt