Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Leer Voorwaartse Propagatie | Neuraal Netwerk Vanaf Nul
Introductie tot Neurale Netwerken

bookVoorwaartse Propagatie

Je hebt al de forward propagatie voor een enkele laag geïmplementeerd in het vorige hoofdstuk. Nu is het doel om volledige forward propagatie te implementeren, van invoer tot uitvoer.

Om het volledige forward propagatieproces te implementeren, moet je de methode forward() definiëren in de klasse Perceptron. Deze methode voert forward propagatie laag voor laag uit door de respectievelijke methode voor elke laag aan te roepen:

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 ...

De invoer gaat door de eerste verborgen laag, waarbij de uitvoer van elke laag als invoer voor de volgende laag dient, totdat de laatste laag wordt bereikt om de uiteindelijke uitvoer te produceren.

Taak

Swipe to start coding

Het doel is om de forward propagatie voor de perceptron te implementeren:

  1. Itereren over de lagen van de perceptron.
  2. x sequentieel door elke laag in het netwerk laten gaan.
  3. De uiteindelijke output retourneren nadat alle lagen de input hebben verwerkt.

Als de forward()-methode correct is geïmplementeerd, zou de perceptron een enkel getal tussen 0 en 1 moeten opleveren bij bepaalde inputs (bijvoorbeeld [1, 0]).

Oplossing

Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 2. Hoofdstuk 5
single

single

Vraag AI

expand

Vraag AI

ChatGPT

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

close

Awesome!

Completion rate improved to 4

bookVoorwaartse Propagatie

Veeg om het menu te tonen

Je hebt al de forward propagatie voor een enkele laag geïmplementeerd in het vorige hoofdstuk. Nu is het doel om volledige forward propagatie te implementeren, van invoer tot uitvoer.

Om het volledige forward propagatieproces te implementeren, moet je de methode forward() definiëren in de klasse Perceptron. Deze methode voert forward propagatie laag voor laag uit door de respectievelijke methode voor elke laag aan te roepen:

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 ...

De invoer gaat door de eerste verborgen laag, waarbij de uitvoer van elke laag als invoer voor de volgende laag dient, totdat de laatste laag wordt bereikt om de uiteindelijke uitvoer te produceren.

Taak

Swipe to start coding

Het doel is om de forward propagatie voor de perceptron te implementeren:

  1. Itereren over de lagen van de perceptron.
  2. x sequentieel door elke laag in het netwerk laten gaan.
  3. De uiteindelijke output retourneren nadat alle lagen de input hebben verwerkt.

Als de forward()-methode correct is geïmplementeerd, zou de perceptron een enkel getal tussen 0 en 1 moeten opleveren bij bepaalde inputs (bijvoorbeeld [1, 0]).

Oplossing

Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 2. Hoofdstuk 5
single

single

some-alt