Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Завдання: Створення Перцептрона | Нейронна Мережа з Нуля
Вступ до нейронних мереж

bookЗавдання: Створення Перцептрона

Оскільки наша мета — реалізувати багатошаровий перцептрон, створення класу Perceptron спростить ініціалізацію моделі. Його єдиний атрибутlayers, який по суті є списком об'єктів Layer, що визначають 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 (в обох прихованих шарах буде однакова кількість нейронів у цьому випадку);
  • output_size: кількість нейронів у вихідному шарі.

Структура отриманого перцептрона має бути такою:

Завдання

Swipe to start coding

Ваша мета — налаштувати базову структуру перцептрона, реалізувавши його шари:

  1. Ініціалізуйте ваги (матриця) та зміщення (вектор) випадковими значеннями з рівномірного розподілу в діапазоні [1,1)[-1, 1) за допомогою NumPy.
  2. Обчисліть сирі вихідні значення нейронів у методі forward() класу Layer.
  3. Застосуйте активаційну функцію до сирих виходів у методі forward() класу Layer і поверніть результат.
  4. Визначте три шари в класі Perceptron: два приховані шари з однаковою кількістю нейронів і один вихідний шар. Обидва приховані шари повинні використовувати активаційну функцію relu, а вихідний шар — sigmoid.

Рішення

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 4
single

single

Запитати АІ

expand

Запитати АІ

ChatGPT

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

Suggested prompts:

Can you explain how to define the Layer class?

How do I initialize the Perceptron with specific layer sizes?

What is the purpose of having multiple hidden layers in this structure?

close

Awesome!

Completion rate improved to 4

bookЗавдання: Створення Перцептрона

Свайпніть щоб показати меню

Оскільки наша мета — реалізувати багатошаровий перцептрон, створення класу Perceptron спростить ініціалізацію моделі. Його єдиний атрибутlayers, який по суті є списком об'єктів Layer, що визначають 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 (в обох прихованих шарах буде однакова кількість нейронів у цьому випадку);
  • output_size: кількість нейронів у вихідному шарі.

Структура отриманого перцептрона має бути такою:

Завдання

Swipe to start coding

Ваша мета — налаштувати базову структуру перцептрона, реалізувавши його шари:

  1. Ініціалізуйте ваги (матриця) та зміщення (вектор) випадковими значеннями з рівномірного розподілу в діапазоні [1,1)[-1, 1) за допомогою NumPy.
  2. Обчисліть сирі вихідні значення нейронів у методі forward() класу Layer.
  3. Застосуйте активаційну функцію до сирих виходів у методі forward() класу Layer і поверніть результат.
  4. Визначте три шари в класі Perceptron: два приховані шари з однаковою кількістю нейронів і один вихідний шар. Обидва приховані шари повинні використовувати активаційну функцію relu, а вихідний шар — sigmoid.

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 2. Розділ 4
single

single

some-alt