Haaste: Perceptronin Luominen
Koska tavoitteena on toteuttaa monikerroksinen perceptroni, Perceptron
-luokan luominen yksinkertaistaa mallin alustamista. Sen ainoa attribuutti, layers
, on käytännössä lista Layer
-olioita, jotka määrittelevät verkon rakenteen:
class Perceptron:
def __init__(self, layers):
self.layers = layers
Kerrokset alustetaan seuraavilla muuttujilla:
input_size
: syöteominaisuuksien määrä;hidden_size
: neuronien määrä jokaisessa piilokerroksessa (tässä tapauksessa molemmissa piilokerroksissa on sama määrä neuroneita);output_size
: neuronien määrä ulostulokerroksessa.
Tuloksena olevan perceptronin rakenteen tulisi olla seuraava:
Swipe to start coding
Tavoitteena on määrittää perceptronin perusrakenne toteuttamalla sen kerrokset:
-
Viimeistele kerroksen alustus (
__init__()
-metodi):- Alusta weights-matriisi (muoto
(n_neurons, n_neurons)
); - Alusta biases-vektori (muoto
(n_neurons, 1)
).
Täytä nämä satunnaisilla arvoilla tasaisesta jakaumasta välillä [−1,1). Käytä tähän
np.random.uniform()
-funktiota. - Alusta weights-matriisi (muoto
-
Viimeistele kerroksen eteenpäinlevitys (
forward()
-metodi):- Laske neuronien raakaulostuloarvot. Käytä pistetuloon
np.dot()
-funktiota; - Käytä aktivointifunktiota raakaulostuloihin ja palauta tulos.
- Laske neuronien raakaulostuloarvot. Käytä pistetuloon
-
Määrittele kolme kerrosta:
- Kaksi piilokerrosta: kummassakin kerroksessa tulee olla
hidden_size
neuronia ja käytössärelu
-aktivointifunktio; - Yksi ulostulokerros: käytössä
sigmoid
-aktivointifunktio.
- Kaksi piilokerrosta: kummassakin kerroksessa tulee olla
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 4
Haaste: Perceptronin Luominen
Pyyhkäise näyttääksesi valikon
Koska tavoitteena on toteuttaa monikerroksinen perceptroni, Perceptron
-luokan luominen yksinkertaistaa mallin alustamista. Sen ainoa attribuutti, layers
, on käytännössä lista Layer
-olioita, jotka määrittelevät verkon rakenteen:
class Perceptron:
def __init__(self, layers):
self.layers = layers
Kerrokset alustetaan seuraavilla muuttujilla:
input_size
: syöteominaisuuksien määrä;hidden_size
: neuronien määrä jokaisessa piilokerroksessa (tässä tapauksessa molemmissa piilokerroksissa on sama määrä neuroneita);output_size
: neuronien määrä ulostulokerroksessa.
Tuloksena olevan perceptronin rakenteen tulisi olla seuraava:
Swipe to start coding
Tavoitteena on määrittää perceptronin perusrakenne toteuttamalla sen kerrokset:
-
Viimeistele kerroksen alustus (
__init__()
-metodi):- Alusta weights-matriisi (muoto
(n_neurons, n_neurons)
); - Alusta biases-vektori (muoto
(n_neurons, 1)
).
Täytä nämä satunnaisilla arvoilla tasaisesta jakaumasta välillä [−1,1). Käytä tähän
np.random.uniform()
-funktiota. - Alusta weights-matriisi (muoto
-
Viimeistele kerroksen eteenpäinlevitys (
forward()
-metodi):- Laske neuronien raakaulostuloarvot. Käytä pistetuloon
np.dot()
-funktiota; - Käytä aktivointifunktiota raakaulostuloihin ja palauta tulos.
- Laske neuronien raakaulostuloarvot. Käytä pistetuloon
-
Määrittele kolme kerrosta:
- Kaksi piilokerrosta: kummassakin kerroksessa tulee olla
hidden_size
neuronia ja käytössärelu
-aktivointifunktio; - Yksi ulostulokerros: käytössä
sigmoid
-aktivointifunktio.
- Kaksi piilokerrosta: kummassakin kerroksessa tulee olla
Ratkaisu
Kiitos palautteestasi!
single