Uitdaging: Een Perceptron Maken
Aangezien ons doel is om een multilayer perceptron te implementeren, zal het aanmaken van een Perceptron-klasse het initialiseren van het model vereenvoudigen. Het enige attribuut, layers, is in wezen een lijst van Layer-objecten die de structuur van het netwerk bepalen:
class Perceptron:
def __init__(self, layers):
self.layers = layers
De variabelen die worden gebruikt om de lagen te initialiseren zijn als volgt:
input_size: het aantal invoerfeatures;hidden_size: het aantal neuronen in elke verborgen laag (beide verborgen lagen hebben in dit geval hetzelfde aantal neuronen);output_size: het aantal neuronen in de uitvoerlaag.
De structuur van de resulterende perceptron moet als volgt zijn:
Swipe to start coding
Het doel is om de basisstructuur van de perceptron op te zetten door de lagen te implementeren:
- Initialiseer de gewichten (een matrix) en biases (een vector) met willekeurige waarden uit een uniforme verdeling in het bereik [−1,1) met behulp van NumPy.
- Bereken de ruwe outputwaarden van de neuronen in de
forward()-methode van deLayer-klasse. - Pas de activatiefunctie toe op de ruwe outputs in de
forward()-methode van deLayer-klasse en retourneer het resultaat. - Definieer drie lagen in de
Perceptron-klasse: twee verborgen lagen met hetzelfde aantal neuronen en één outputlaag. Beide verborgen lagen gebruiken derelu-activatiefunctie, terwijl de outputlaagsigmoidgebruikt.
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 4Uitdaging: Een Perceptron Maken
Veeg om het menu te tonen
Aangezien ons doel is om een multilayer perceptron te implementeren, zal het aanmaken van een Perceptron-klasse het initialiseren van het model vereenvoudigen. Het enige attribuut, layers, is in wezen een lijst van Layer-objecten die de structuur van het netwerk bepalen:
class Perceptron:
def __init__(self, layers):
self.layers = layers
De variabelen die worden gebruikt om de lagen te initialiseren zijn als volgt:
input_size: het aantal invoerfeatures;hidden_size: het aantal neuronen in elke verborgen laag (beide verborgen lagen hebben in dit geval hetzelfde aantal neuronen);output_size: het aantal neuronen in de uitvoerlaag.
De structuur van de resulterende perceptron moet als volgt zijn:
Swipe to start coding
Het doel is om de basisstructuur van de perceptron op te zetten door de lagen te implementeren:
- Initialiseer de gewichten (een matrix) en biases (een vector) met willekeurige waarden uit een uniforme verdeling in het bereik [−1,1) met behulp van NumPy.
- Bereken de ruwe outputwaarden van de neuronen in de
forward()-methode van deLayer-klasse. - Pas de activatiefunctie toe op de ruwe outputs in de
forward()-methode van deLayer-klasse en retourneer het resultaat. - Definieer drie lagen in de
Perceptron-klasse: twee verborgen lagen met hetzelfde aantal neuronen en één outputlaag. Beide verborgen lagen gebruiken derelu-activatiefunctie, terwijl de outputlaagsigmoidgebruikt.
Oplossing
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesBedankt voor je feedback!
single
