Voorwaartse 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.
Swipe to start coding
Het doel is om de forward propagatie voor de perceptron te implementeren:
- Itereren over de lagen van de perceptron.
x
sequentieel door elke laag in het netwerk laten gaan.- 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
Bedankt voor je feedback!
single
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Awesome!
Completion rate improved to 4
Voorwaartse 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.
Swipe to start coding
Het doel is om de forward propagatie voor de perceptron te implementeren:
- Itereren over de lagen van de perceptron.
x
sequentieel door elke laag in het netwerk laten gaan.- 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
Bedankt voor je feedback!
single