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 rakenne on seuraava:
Swipe to start coding
Tavoitteena on määrittää perceptronin perusrakenne toteuttamalla sen kerrokset:
- Alusta painot (matriisi) ja biasit (vektori) satunnaisilla arvoilla tasaisesta jakaumasta välillä [−1,1) käyttäen NumPy-kirjastoa.
- Laske neuronien raakaulostuloarvot
forward()
-luokanLayer
-metodissa. - Käytä aktivointifunktiota raakaulostuloihin
forward()
-luokanLayer
-metodissa ja palauta tulos. - Määrittele kolme kerrosta
Perceptron
-luokkaan: kaksi piilokerrosta samalla neuronimäärällä ja yksi ulostulokerros. Molemmissa piilokerroksissa käytetäänrelu
-aktivointifunktiota ja ulostulokerroksessasigmoid
-funktiota.
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 rakenne on seuraava:
Swipe to start coding
Tavoitteena on määrittää perceptronin perusrakenne toteuttamalla sen kerrokset:
- Alusta painot (matriisi) ja biasit (vektori) satunnaisilla arvoilla tasaisesta jakaumasta välillä [−1,1) käyttäen NumPy-kirjastoa.
- Laske neuronien raakaulostuloarvot
forward()
-luokanLayer
-metodissa. - Käytä aktivointifunktiota raakaulostuloihin
forward()
-luokanLayer
-metodissa ja palauta tulos. - Määrittele kolme kerrosta
Perceptron
-luokkaan: kaksi piilokerrosta samalla neuronimäärällä ja yksi ulostulokerros. Molemmissa piilokerroksissa käytetäänrelu
-aktivointifunktiota ja ulostulokerroksessasigmoid
-funktiota.
Ratkaisu
Kiitos palautteestasi!
single