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

bookUtfordring: Lage en Perseptron

Siden målet vårt er å implementere et multilags perceptron, vil det å opprette en Perceptron-klasse forenkle initialiseringen av modellen. Dens eneste attributt, layers, er i hovedsak en liste med Layer-objekter som definerer nettverkets struktur:

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

Variablene som brukes til å initialisere lagene er følgende:

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

Strukturen til det resulterende perceptronet skal være som følger:

Oppgave

Swipe to start coding

Målet ditt er å sette opp den grunnleggende strukturen til perseptronen ved å implementere lagene:

  1. Initialiser vektene (en matrise) og biasene (en vektor) med tilfeldige verdier fra en uniform fordeling i området [1,1)[-1, 1) ved bruk av NumPy.
  2. Beregn rå utgangsverdier for nevronene i forward()-metoden til Layer-klassen.
  3. Bruk aktiveringsfunksjonen på de rå utgangene i forward()-metoden til Layer-klassen og returner resultatet.
  4. Definer tre lag i Perceptron-klassen: to skjulte lag med samme antall nevroner og ett utgangslag. Begge de skjulte lagene skal bruke relu som aktiveringsfunksjon, mens utgangslaget skal bruke sigmoid.

Løsning

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 4
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

bookUtfordring: Lage en Perseptron

Sveip for å vise menyen

Siden målet vårt er å implementere et multilags perceptron, vil det å opprette en Perceptron-klasse forenkle initialiseringen av modellen. Dens eneste attributt, layers, er i hovedsak en liste med Layer-objekter som definerer nettverkets struktur:

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

Variablene som brukes til å initialisere lagene er følgende:

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

Strukturen til det resulterende perceptronet skal være som følger:

Oppgave

Swipe to start coding

Målet ditt er å sette opp den grunnleggende strukturen til perseptronen ved å implementere lagene:

  1. Initialiser vektene (en matrise) og biasene (en vektor) med tilfeldige verdier fra en uniform fordeling i området [1,1)[-1, 1) ved bruk av NumPy.
  2. Beregn rå utgangsverdier for nevronene i forward()-metoden til Layer-klassen.
  3. Bruk aktiveringsfunksjonen på de rå utgangene i forward()-metoden til Layer-klassen og returner resultatet.
  4. Definer tre lag i Perceptron-klassen: to skjulte lag med samme antall nevroner og ett utgangslag. Begge de skjulte lagene skal bruke relu som aktiveringsfunksjon, mens utgangslaget skal bruke sigmoid.

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 4
single

single

some-alt