Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Fremoverpropagasjon | Nevralt Nettverk fra Bunnen Av
Introduksjon til nevrale nettverk

bookFremoverpropagasjon

Du har allerede implementert fremoverpropagering for et enkelt lag i forrige kapittel. Nå er målet å implementere fullstendig fremoverpropagering, fra innganger til utganger.

For å implementere hele prosessen med fremoverpropagering, må du definere forward()-metoden i Perceptron-klassen. Denne metoden utfører fremoverpropagering lag for lag ved å kalle den respektive metoden for hvert lag:

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 ...

Inndataene går gjennom det første skjulte laget, hvor hvert lags utdata fungerer som inndata for det neste, helt til det siste laget produserer sluttresultatet.

Oppgave

Swipe to start coding

Målet ditt er å implementere fremoverpropagering for perseptronen:

  1. Iterer over lagene i perseptronen.
  2. Send x gjennom hvert lag i nettverket sekvensielt.
  3. Returner det endelige resultatet etter at alle lagene har behandlet inputen.

Hvis forward()-metoden er implementert korrekt, skal perseptronen gi ut et enkelt tall mellom 0 og 1 når den får visse inputverdier (for eksempel [1, 0]).

Løsning

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 5
single

single

Spør AI

expand

Spør AI

ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

close

Awesome!

Completion rate improved to 4

bookFremoverpropagasjon

Sveip for å vise menyen

Du har allerede implementert fremoverpropagering for et enkelt lag i forrige kapittel. Nå er målet å implementere fullstendig fremoverpropagering, fra innganger til utganger.

For å implementere hele prosessen med fremoverpropagering, må du definere forward()-metoden i Perceptron-klassen. Denne metoden utfører fremoverpropagering lag for lag ved å kalle den respektive metoden for hvert lag:

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 ...

Inndataene går gjennom det første skjulte laget, hvor hvert lags utdata fungerer som inndata for det neste, helt til det siste laget produserer sluttresultatet.

Oppgave

Swipe to start coding

Målet ditt er å implementere fremoverpropagering for perseptronen:

  1. Iterer over lagene i perseptronen.
  2. Send x gjennom hvert lag i nettverket sekvensielt.
  3. Returner det endelige resultatet etter at alle lagene har behandlet inputen.

Hvis forward()-metoden er implementert korrekt, skal perseptronen gi ut et enkelt tall mellom 0 og 1 når den får visse inputverdier (for eksempel [1, 0]).

Løsning

Switch to desktopBytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor
Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 5
single

single

some-alt