Вивчайте Завдання: Створення Перцептрона

Оскільки мета полягає у створенні багатошарового перцептрона, визначення класу Perceptron допомагає ефективно організувати та ініціалізувати модель. Клас міститиме одну атрибуту, layers, яка є списком об'єктів Layer, що представляють структуру мережі:

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

Змінні, які використовуються для ініціалізації шарів:

input_size: кількість вхідних ознак;
hidden_size: кількість нейронів у кожному прихованому шарі (у цьому випадку обидва приховані шари матимуть однакову кількість нейронів);
output_size: кількість нейронів у вихідному шарі.

Структура отриманого багатошарового перцептрона включатиме:

Вхідний шар → отримує дані;
Два приховані шари → обробляють вхідні дані та виділяють закономірності;
Вихідний шар → формує фінальний прогноз.

Завдання

Swipe to start coding

Ваша мета — налаштувати базову структуру багатошарового перцептрона (MLP), реалізувавши код для його шарів.

Дотримуйтесь наступних кроків:

Ініціалізуйте параметри шару у методі __init__():

Створіть матрицю ваг розміром (n_neurons, n_inputs);
Створіть вектор зсувів (bias) розміром (n_neurons, 1);
- Заповніть обидва випадковими значеннями з рівномірного розподілу в діапазоні $[-1, 1)$ за допомогою np.random.uniform().

Реалізуйте пряме поширення (forward propagation) у методі forward():

Обчисліть сире значення виходу кожного нейрона за допомогою скалярного добутку:

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

Застосуйте призначену активаційну функцію до цього результату та поверніть активований вихід.

Визначте шари перцептрона:

Створіть два приховані шари, кожен з hidden_size нейронами та з активаційною функцією ReLU;
Створіть один вихідний шар з output_size нейроном(ами) та активаційною функцією sigmoid.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 4

single

Запитати АІ

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

Suggested prompts:

Can you explain how the `Layer` class should be defined?

What activation functions are typically used in the hidden and output layers?

How do I initialize the layers using `input_size`, `hidden_size`, and `output_size`?

Awesome!

Completion rate improved to 4

Свайпніть щоб показати меню

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