Défi : Création d'un Perceptron
Puisque notre objectif est de mettre en œuvre un perceptron multicouche, la création d'une classe Perceptron facilitera l'initialisation du modèle. Son unique attribut, layers, est essentiellement une liste d'objets Layer qui définissent la structure du réseau :
class Perceptron:
def __init__(self, layers):
self.layers = layers
Les variables utilisées pour initialiser les couches sont les suivantes :
input_size: le nombre de caractéristiques d'entrée ;hidden_size: le nombre de neurones dans chaque couche cachée (les deux couches cachées auront le même nombre de neurones dans ce cas) ;output_size: le nombre de neurones dans la couche de sortie.
La structure du perceptron obtenu doit être la suivante :
Swipe to start coding
Votre objectif est de mettre en place la structure de base du perceptron en implémentant ses couches :
-
Complétez l'initialisation de la couche (méthode
__init__()):- Initialisez la matrice des poids (de forme
(n_neurons, n_neurons)); - Initialisez le vecteur des biais (de forme
(n_neurons, 1)).
Remplissez-les avec des valeurs aléatoires issues d'une distribution uniforme dans l'intervalle [−1,1). Utilisez la fonction
np.random.uniform()pour cela. - Initialisez la matrice des poids (de forme
-
Complétez la propagation avant de la couche (méthode
forward()):- Calculez les valeurs brutes de sortie des neurones. Utilisez la fonction
np.dot()pour le produit scalaire ; - Appliquez la fonction d'activation aux sorties brutes et retournez le résultat.
- Calculez les valeurs brutes de sortie des neurones. Utilisez la fonction
-
Définissez trois couches :
- Deux couches cachées : chaque couche doit comporter
hidden_sizeneurones et utiliser la fonction d'activationrelu; - Une couche de sortie : elle doit utiliser la fonction d'activation
sigmoid.
- Deux couches cachées : chaque couche doit comporter
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 4
Défi : Création d'un Perceptron
Glissez pour afficher le menu
Puisque notre objectif est de mettre en œuvre un perceptron multicouche, la création d'une classe Perceptron facilitera l'initialisation du modèle. Son unique attribut, layers, est essentiellement une liste d'objets Layer qui définissent la structure du réseau :
class Perceptron:
def __init__(self, layers):
self.layers = layers
Les variables utilisées pour initialiser les couches sont les suivantes :
input_size: le nombre de caractéristiques d'entrée ;hidden_size: le nombre de neurones dans chaque couche cachée (les deux couches cachées auront le même nombre de neurones dans ce cas) ;output_size: le nombre de neurones dans la couche de sortie.
La structure du perceptron obtenu doit être la suivante :
Swipe to start coding
Votre objectif est de mettre en place la structure de base du perceptron en implémentant ses couches :
-
Complétez l'initialisation de la couche (méthode
__init__()):- Initialisez la matrice des poids (de forme
(n_neurons, n_neurons)); - Initialisez le vecteur des biais (de forme
(n_neurons, 1)).
Remplissez-les avec des valeurs aléatoires issues d'une distribution uniforme dans l'intervalle [−1,1). Utilisez la fonction
np.random.uniform()pour cela. - Initialisez la matrice des poids (de forme
-
Complétez la propagation avant de la couche (méthode
forward()):- Calculez les valeurs brutes de sortie des neurones. Utilisez la fonction
np.dot()pour le produit scalaire ; - Appliquez la fonction d'activation aux sorties brutes et retournez le résultat.
- Calculez les valeurs brutes de sortie des neurones. Utilisez la fonction
-
Définissez trois couches :
- Deux couches cachées : chaque couche doit comporter
hidden_sizeneurones et utiliser la fonction d'activationrelu; - Une couche de sortie : elle doit utiliser la fonction d'activation
sigmoid.
- Deux couches cachées : chaque couche doit comporter
Solution
Merci pour vos commentaires !
single