Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Framåtriktad Spridning | Neuronnätverk Från Grunden
Introduktion till neurala nätverk

bookFramåtriktad Spridning

Du har redan implementerat framåtriktad propagiering för ett enda lager i föregående kapitel. Nu är målet att implementera fullständig framåtriktad propagiering, från indata till utdata.

För att implementera hela processen för framåtriktad propagiering behöver du definiera metoden forward() i klassen Perceptron. Denna metod utför framåtriktad propagiering lager för lager genom att anropa respektive metod för varje lager:

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 ...

Indatan passerar genom det första dolda lagret, där varje lagers utdata fungerar som indata till nästa, tills det sista lagret nås och slutgiltig utdata produceras.

Uppgift

Swipe to start coding

Ditt mål är att implementera framåtpropagering för perceptronen:

  1. Iterera över perceptronens lager.
  2. Skicka x genom varje lager i nätverket i tur och ordning.
  3. Returnera det slutliga resultatet efter att alla lager har bearbetat indata.

Om metoden forward() är korrekt implementerad, ska perceptronen returnera ett enda tal mellan 0 och 1 när vissa indata ges (t.ex. [1, 0]).

Lösning

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 5
single

single

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

close

Awesome!

Completion rate improved to 4

bookFramåtriktad Spridning

Svep för att visa menyn

Du har redan implementerat framåtriktad propagiering för ett enda lager i föregående kapitel. Nu är målet att implementera fullständig framåtriktad propagiering, från indata till utdata.

För att implementera hela processen för framåtriktad propagiering behöver du definiera metoden forward() i klassen Perceptron. Denna metod utför framåtriktad propagiering lager för lager genom att anropa respektive metod för varje lager:

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 ...

Indatan passerar genom det första dolda lagret, där varje lagers utdata fungerar som indata till nästa, tills det sista lagret nås och slutgiltig utdata produceras.

Uppgift

Swipe to start coding

Ditt mål är att implementera framåtpropagering för perceptronen:

  1. Iterera över perceptronens lager.
  2. Skicka x genom varje lager i nätverket i tur och ordning.
  3. Returnera det slutliga resultatet efter att alla lager har bearbetat indata.

Om metoden forward() är korrekt implementerad, ska perceptronen returnera ett enda tal mellan 0 och 1 när vissa indata ges (t.ex. [1, 0]).

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 5
single

single

some-alt