Défi : Création d'un Perceptron
Puisque notre objectif est de mettre en œuvre un perceptron multicouche, la création d'une classe Perceptron
simplifiera 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 :
- Initialiser les poids (une matrice) et les biais (un vecteur) avec des valeurs aléatoires provenant d'une distribution uniforme dans l'intervalle [−1,1) à l'aide de NumPy.
- Calculer les valeurs de sortie brutes des neurones dans la méthode
forward()
de la classeLayer
. - Appliquer la fonction d'activation aux sorties brutes dans la méthode
forward()
de la classeLayer
et retourner le résultat. - Définir trois couches dans la classe
Perceptron
: deux couches cachées avec le même nombre de neurones et une couche de sortie. Les deux couches cachées doivent utiliser la fonction d'activationrelu
, tandis que la couche de sortie doit utilisersigmoid
.
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
simplifiera 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 :
- Initialiser les poids (une matrice) et les biais (un vecteur) avec des valeurs aléatoires provenant d'une distribution uniforme dans l'intervalle [−1,1) à l'aide de NumPy.
- Calculer les valeurs de sortie brutes des neurones dans la méthode
forward()
de la classeLayer
. - Appliquer la fonction d'activation aux sorties brutes dans la méthode
forward()
de la classeLayer
et retourner le résultat. - Définir trois couches dans la classe
Perceptron
: deux couches cachées avec le même nombre de neurones et une couche de sortie. Les deux couches cachées doivent utiliser la fonction d'activationrelu
, tandis que la couche de sortie doit utilisersigmoid
.
Solution
Merci pour vos commentaires !
single