Aprenda Desafio: Criando um Perceptron

Como o objetivo é implementar um perceptron multicamadas, definir uma classe Perceptron ajuda a organizar e inicializar o modelo de forma eficiente. A classe terá um único atributo, layers, que é uma lista de objetos Layer representando a estrutura da rede:

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

As variáveis usadas para inicializar as camadas são:

input_size: o número de características de entrada;
hidden_size: o número de neurônios em cada camada oculta (ambas as camadas ocultas terão o mesmo número de neurônios neste caso);
output_size: o número de neurônios na camada de saída.

A estrutura do perceptron multicamadas resultante incluirá:

Camada de entrada → recebe os dados;
Duas camadas ocultas → processam as entradas e extraem padrões;
Camada de saída → produz a previsão final.

Tarefa

Swipe to start coding

Seu objetivo é configurar a estrutura básica de um perceptron multicamadas (MLP) implementando o código para suas camadas.

Siga estes passos cuidadosamente:

Inicialize os parâmetros da camada dentro do método __init__():

Crie a matriz de pesos com formato (n_neurons, n_inputs);
Crie o vetor de vieses com formato (n_neurons, 1);
- Preencha ambos com valores aleatórios de uma distribuição uniforme no intervalo $[-1, 1)$ usando np.random.uniform().

Implemente a propagação direta dentro do método forward():

Calcule a saída bruta de cada neurônio usando o produto escalar:

np.dot(self.weights, self.inputs) + self.biases

Aplique a função de ativação atribuída a este resultado e retorne a saída ativada.

Defina as camadas do perceptron:

Crie duas camadas ocultas, cada uma contendo hidden_size neurônios e utilizando a função de ativação ReLU;
Crie uma camada de saída com output_size neurônio(s) e a função de ativação sigmoid.

Solução

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 2. Capítulo 4

single

Pergunte à IA

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

Awesome!

Completion rate improved to 4

Deslize para mostrar o menu

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