Вивчайте Пряме Поширення | Нейронна Мережа з Нуля

Ви вже реалізували пряме поширення (forward propagation) для одного шару в попередньому розділі. Тепер мета — реалізувати повне пряме поширення, від вхідних даних до вихідних.

Щоб реалізувати весь процес прямого поширення, необхідно визначити метод forward() у класі Perceptron. Цей метод виконує пряме поширення шар за шаром, викликаючи відповідний метод для кожного шару:

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 ...

Вхідні дані проходять через перший прихований шар, при цьому вихід кожного шару використовується як вхід для наступного, аж до фінального шару, щоб отримати кінцевий результат.

Завдання

Swipe to start coding

Ваша мета — реалізувати пряме поширення (forward propagation) для перцептрона:

Ітеруватися по шарах перцептрона.
Послідовно передавати x через кожен шар мережі.
Повернути фінальний вихід після обробки вхідних даних усіма шарами.

Якщо метод forward() реалізовано правильно, перцептрон повинен повертати одне число в діапазоні від 0 до 1 для певних вхідних даних (наприклад, [1, 0]).

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 5

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Suggested prompts:

Can you explain how to complete the for loop in the forward method?

What should I return at the end of the forward method?

Could you show an example of how the forward method processes inputs through multiple layers?

Awesome!

Completion rate improved to 4

Свайпніть щоб показати меню

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 ...