Lære Utfordring: Lage en Perseptron | Nevralt Nettverk fra Bunnen Av

Siden målet er å implementere et multilags perceptron, bidrar det å definere en Perceptron-klasse til å organisere og initialisere modellen på en effektiv måte. Klassen vil inneholde ett attributt, layers, som er en liste med Layer-objekter som representerer nettverkets struktur:

class Perceptron:
    def __init__(self, layers):
        self.layers = layers

Variablene som brukes til å initialisere lagene er:

input_size: antall inndatafunksjoner;
hidden_size: antall nevroner i hvert skjult lag (begge skjulte lag vil ha samme antall nevroner i dette tilfellet);
output_size: antall nevroner i utgangslaget.

Strukturen til det resulterende multillags perceptronet vil inkludere:

Inndatalag → mottar dataene;
To skjulte lag → behandler inndataene og trekker ut mønstre;
Utgangslag → produserer den endelige prediksjonen.

Oppgave

Swipe to start coding

Målet ditt er å sette opp den grunnleggende strukturen til et multilags perceptron (MLP) ved å implementere koden for dets lag.

Følg disse trinnene nøye:

Initialiser lagparametere inne i __init__()-metoden:

Opprett vektmatrisen med form (n_neurons, n_inputs);
- Opprett bias-vektoren med form (n_neurons, 1);
- Fyll begge med tilfeldige verdier fra en uniform fordeling i området $[-1, 1)$ ved å bruke np.random.uniform().

Implementer fremoverpropagering inne i forward()-metoden:

Beregn råutdata for hver nevron ved å bruke skalarproduktet:

np.dot(self.weights, self.inputs) + self.biases

Bruk den tildelte aktiveringsfunksjonen på dette resultatet og returner det aktiverte utdataet.

Definer perceptron-lagene:

Opprett to skjulte lag, hvert med hidden_size nevroner og bruk ReLU aktiveringsfunksjon;
Opprett ett utgangslag med output_size nevron(er) og sigmoid aktiveringsfunksjon.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 4

single

Spør AI

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

Suggested prompts:

Can you explain how the `Layer` class should be defined?

What activation functions are typically used in the hidden and output layers?

How do I initialize the layers using `input_size`, `hidden_size`, and `output_size`?

Awesome!

Completion rate improved to 4

Sveip for å vise menyen

class Perceptron:
    def __init__(self, layers):
        self.layers = layers