Oppiskele Haaste: Perceptronin Luominen | Neuroverkon Rakentaminen Alusta Alkaen

Koska tavoitteena on toteuttaa monikerroksinen perceptroni, Perceptron-luokan määrittely auttaa mallin järjestämisessä ja alustamisessa tehokkaasti. Luokalla on yksi attribuutti, layers, joka on lista Layer-olioita ja kuvaa verkon rakennetta:

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

Kerrokset alustetaan seuraavilla muuttujilla:

input_size: syöteominaisuuksien määrä;
hidden_size: jokaisen piilokerroksen neuronien määrä (tässä tapauksessa molemmissa piilokerroksissa on sama määrä neuroneita);
output_size: ulostulokerroksen neuronien määrä.

Tuloksena olevan monikerroksisen perceptronin rakenne sisältää:

Syötekerros → vastaanottaa datan;
Kaksi piilokerrosta → käsittelee syötteet ja tunnistaa rakenteita;
Ulostulokerros → tuottaa lopullisen ennusteen.

Tehtävä

Swipe to start coding

Tavoitteena on määrittää monikerroksisen perceptronin (MLP) perusrakenne toteuttamalla sen kerrosten koodi.

Noudata näitä vaiheita huolellisesti:

Alusta kerroksen parametrit __init__()-metodissa:

Luo painomatriisi, jonka muoto on (n_neurons, n_inputs);
- Luo bias-vektori, jonka muoto on (n_neurons, 1);
- Täytä molemmat satunnaisilla arvoilla tasaisesta jakaumasta välillä $[-1, 1)$ käyttäen np.random.uniform()-funktiota.

Toteuta eteenpäinlevitys forward()-metodissa:

Laske jokaisen neuronin raakaulostulo pistetulolla:

np.dot(self.weights, self.inputs) + self.biases

Käytä määriteltyä aktivointifunktiota tähän tulokseen ja palauta aktivoitu ulostulo.

Määritä perceptronin kerrokset:
- Luo kaksi piilokerrosta, joissa kummassakin on hidden_size neuronia ja käytössä ReLU-aktivointifunktio;
- Luo yksi ulostulokerros, jossa on output_size neuroni(a) ja sigmoid-aktivointifunktio.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 4

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Awesome!

Completion rate improved to 4

Pyyhkäise näyttääksesi valikon

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