Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Propagation Avant | Réseau de Neurones à Partir de Zéro
Introduction aux Réseaux de Neurones

bookPropagation Avant

Vous avez déjà implémenté la propagation avant pour une seule couche dans le chapitre précédent. À présent, l'objectif est d'implémenter la propagation avant complète, des entrées jusqu'aux sorties.

Pour implémenter l'ensemble du processus de propagation avant, il est nécessaire de définir la méthode forward() dans la classe Perceptron. Cette méthode effectue la propagation avant couche par couche en appelant la méthode correspondante pour chaque couche :

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 ...

Les entrées traversent la première couche cachée, avec les sorties de chaque couche servant d'entrées pour la suivante, jusqu'à atteindre la couche finale afin de produire la sortie finale.

Tâche

Swipe to start coding

Votre objectif est d’implémenter la propagation avant pour le perceptron :

  1. Parcourir les couches du perceptron.
  2. Faire passer x à travers chaque couche du réseau de manière séquentielle.
  3. Retourner la sortie finale après que toutes les couches ont traité l’entrée.

Si la méthode forward() est correctement implémentée, le perceptron doit produire un seul nombre compris entre 0 et 1 lorsqu’il reçoit certaines entrées (par exemple, [1, 0]).

Solution

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 2. Chapitre 5
single

single

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

close

Awesome!

Completion rate improved to 4

bookPropagation Avant

Glissez pour afficher le menu

Vous avez déjà implémenté la propagation avant pour une seule couche dans le chapitre précédent. À présent, l'objectif est d'implémenter la propagation avant complète, des entrées jusqu'aux sorties.

Pour implémenter l'ensemble du processus de propagation avant, il est nécessaire de définir la méthode forward() dans la classe Perceptron. Cette méthode effectue la propagation avant couche par couche en appelant la méthode correspondante pour chaque couche :

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 ...

Les entrées traversent la première couche cachée, avec les sorties de chaque couche servant d'entrées pour la suivante, jusqu'à atteindre la couche finale afin de produire la sortie finale.

Tâche

Swipe to start coding

Votre objectif est d’implémenter la propagation avant pour le perceptron :

  1. Parcourir les couches du perceptron.
  2. Faire passer x à travers chaque couche du réseau de manière séquentielle.
  3. Retourner la sortie finale après que toutes les couches ont traité l’entrée.

Si la méthode forward() est correctement implémentée, le perceptron doit produire un seul nombre compris entre 0 et 1 lorsqu’il reçoit certaines entrées (par exemple, [1, 0]).

Solution

Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 2. Chapitre 5
single

single

some-alt