Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Propagação Direta | Rede Neural do Zero
Introdução às Redes Neurais

bookPropagação Direta

Você já implementou a propagação para frente para uma única camada no capítulo anterior. Agora, o objetivo é implementar a propagação para frente completa, desde as entradas até as saídas.

Para implementar todo o processo de propagação para frente, é necessário definir o método forward() na classe Perceptron. Este método realiza a propagação para frente camada por camada chamando o método correspondente para cada camada:

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 ...

As entradas passam pela primeira camada oculta, com as saídas de cada camada servindo como entradas para a próxima, até alcançar a camada final para produzir a saída final.

Tarefa

Swipe to start coding

Seu objetivo é implementar a propagação direta para o perceptron:

  1. Iterar sobre as camadas do perceptron.
  2. Passar x por cada camada da rede de forma sequencial.
  3. Retornar a saída final após todas as camadas processarem a entrada.

Se o método forward() for implementado corretamente, o perceptron deverá retornar um único número entre 0 e 1 quando receber certas entradas (por exemplo, [1, 0]).

Solução

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 5
single

single

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

close

Awesome!

Completion rate improved to 4

bookPropagação Direta

Deslize para mostrar o menu

Você já implementou a propagação para frente para uma única camada no capítulo anterior. Agora, o objetivo é implementar a propagação para frente completa, desde as entradas até as saídas.

Para implementar todo o processo de propagação para frente, é necessário definir o método forward() na classe Perceptron. Este método realiza a propagação para frente camada por camada chamando o método correspondente para cada camada:

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 ...

As entradas passam pela primeira camada oculta, com as saídas de cada camada servindo como entradas para a próxima, até alcançar a camada final para produzir a saída final.

Tarefa

Swipe to start coding

Seu objetivo é implementar a propagação direta para o perceptron:

  1. Iterar sobre as camadas do perceptron.
  2. Passar x por cada camada da rede de forma sequencial.
  3. Retornar a saída final após todas as camadas processarem a entrada.

Se o método forward() for implementado corretamente, o perceptron deverá retornar um único número entre 0 e 1 quando receber certas entradas (por exemplo, [1, 0]).

Solução

Switch to desktopMude para o desktop para praticar no mundo realContinue de onde você está usando uma das opções abaixo
Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 5
single

single

some-alt