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

bookUtmaning: Skapa en Perceptron

Eftersom målet är att implementera en flerskiktsperceptron kommer skapandet av en Perceptron-klass att förenkla modellinitieringen. Dess enda attribut, layers, är i huvudsak en lista av Layer-objekt som definierar nätverkets struktur:

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

Variablerna som används för att initiera lagren är följande:

  • input_size: antalet inmatningsfunktioner;
  • hidden_size: antalet neuroner i varje dolt lager (båda dolda lagren kommer i detta fall att ha samma antal neuroner);
  • output_size: antalet neuroner i utgångslagret.

Strukturen för den resulterande perceptronen bör vara enligt följande:

Uppgift

Swipe to start coding

Målet är att skapa den grundläggande strukturen för perceptronen genom att implementera dess lager:

  1. Initiera vikterna (en matris) och biaserna (en vektor) med slumpmässiga värden från en uniform fördelning inom intervallet [1,1)[-1, 1) med hjälp av NumPy.
  2. Beräkna råutgångsvärdena för neuronerna i forward()-metoden i klassen Layer.
  3. Applicera aktiveringsfunktionen på råutgångarna i forward()-metoden i klassen Layer och returnera resultatet.
  4. Definiera tre lager i klassen Perceptron: två dolda lager med samma antal neuroner och ett utgångslager. Båda de dolda lagren ska använda relu som aktiveringsfunktion, medan utgångslagret ska använda sigmoid.

Lösning

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 4
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

bookUtmaning: Skapa en Perceptron

Svep för att visa menyn

Eftersom målet är att implementera en flerskiktsperceptron kommer skapandet av en Perceptron-klass att förenkla modellinitieringen. Dess enda attribut, layers, är i huvudsak en lista av Layer-objekt som definierar nätverkets struktur:

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

Variablerna som används för att initiera lagren är följande:

  • input_size: antalet inmatningsfunktioner;
  • hidden_size: antalet neuroner i varje dolt lager (båda dolda lagren kommer i detta fall att ha samma antal neuroner);
  • output_size: antalet neuroner i utgångslagret.

Strukturen för den resulterande perceptronen bör vara enligt följande:

Uppgift

Swipe to start coding

Målet är att skapa den grundläggande strukturen för perceptronen genom att implementera dess lager:

  1. Initiera vikterna (en matris) och biaserna (en vektor) med slumpmässiga värden från en uniform fördelning inom intervallet [1,1)[-1, 1) med hjälp av NumPy.
  2. Beräkna råutgångsvärdena för neuronerna i forward()-metoden i klassen Layer.
  3. Applicera aktiveringsfunktionen på råutgångarna i forward()-metoden i klassen Layer och returnera resultatet.
  4. Definiera tre lager i klassen Perceptron: två dolda lager med samma antal neuroner och ett utgångslager. Båda de dolda lagren ska använda relu som aktiveringsfunktion, medan utgångslagret ska använda sigmoid.

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 4
single

single

some-alt