Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Eteenpäinlevitys | Neuroverkon Rakentaminen Alusta Alkaen
Johdatus Neuroverkkoihin Pythonilla

bookEteenpäinlevitys

Olet jo toteuttanut eteenpäinlevityksen (forward propagation) yhdelle kerrokselle edellisessä luvussa. Nyt tavoitteena on toteuttaa täydellinen eteenpäinlevitys, syötteistä lähtien aina ulostuloihin asti.

Koko eteenpäinlevitysprosessin toteuttamiseksi sinun tulee määritellä forward()-metodi Perceptron-luokkaan. Tämä metodi suorittaa eteenpäinlevityksen kerros kerrallaan kutsumalla kullekin kerrokselle tarkoitettua metodia:

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

    def forward(self, inputs):
        x = inputs
        for layer in ...:
            # Pass x layer by layer
            x = ...

        return ...

Syötteet kulkevat ensimmäisen piilokerroksen läpi, ja jokaisen kerroksen ulostulo toimii seuraavan kerroksen syötteenä, kunnes saavutetaan viimeinen kerros ja tuotetaan lopullinen ulostulo.

Tehtävä

Swipe to start coding

Tavoitteena on viimeistellä eteenpäinlevityksen (forward propagation) toteutus perceptron-mallille. Tämä mahdollistaa tiedon kulun verkon jokaisen kerroksen läpi, kunnes lopullinen ennuste muodostetaan.

Noudata näitä vaiheita huolellisesti:

  1. Käy läpi kaikki perceptronin kerrokset silmukan avulla.
  2. Välitä data (x) järjestyksessä jokaisen kerroksen läpi kutsumalla sen forward()-metodia.
  3. Palauta lopullinen tulos sen jälkeen, kun kaikki kerrokset ovat käsitelleet syötteen.

Oikein toteutettuna perceptron tuottaa yksittäisen arvon välillä 0 ja 1 annetulle syötteelle (esimerkiksi [1, 0]).

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 2. Luku 5
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you explain how to complete the for loop in the forward method?

What should I return at the end of the forward method?

Could you show an example of how the forward method processes inputs through multiple layers?

close

Awesome!

Completion rate improved to 4

bookEteenpäinlevitys

Pyyhkäise näyttääksesi valikon

Olet jo toteuttanut eteenpäinlevityksen (forward propagation) yhdelle kerrokselle edellisessä luvussa. Nyt tavoitteena on toteuttaa täydellinen eteenpäinlevitys, syötteistä lähtien aina ulostuloihin asti.

Koko eteenpäinlevitysprosessin toteuttamiseksi sinun tulee määritellä forward()-metodi Perceptron-luokkaan. Tämä metodi suorittaa eteenpäinlevityksen kerros kerrallaan kutsumalla kullekin kerrokselle tarkoitettua metodia:

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

    def forward(self, inputs):
        x = inputs
        for layer in ...:
            # Pass x layer by layer
            x = ...

        return ...

Syötteet kulkevat ensimmäisen piilokerroksen läpi, ja jokaisen kerroksen ulostulo toimii seuraavan kerroksen syötteenä, kunnes saavutetaan viimeinen kerros ja tuotetaan lopullinen ulostulo.

Tehtävä

Swipe to start coding

Tavoitteena on viimeistellä eteenpäinlevityksen (forward propagation) toteutus perceptron-mallille. Tämä mahdollistaa tiedon kulun verkon jokaisen kerroksen läpi, kunnes lopullinen ennuste muodostetaan.

Noudata näitä vaiheita huolellisesti:

  1. Käy läpi kaikki perceptronin kerrokset silmukan avulla.
  2. Välitä data (x) järjestyksessä jokaisen kerroksen läpi kutsumalla sen forward()-metodia.
  3. Palauta lopullinen tulos sen jälkeen, kun kaikki kerrokset ovat käsitelleet syötteen.

Oikein toteutettuna perceptron tuottaa yksittäisen arvon välillä 0 ja 1 annetulle syötteelle (esimerkiksi [1, 0]).

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 2. Luku 5
single

single

some-alt