Implementace algoritmu dopředného šíření

V tomto cvičení napíšeš kód pro dopředné šíření (predikci) ve své první neuronové síti:

Ch1Ex4

Každý datový bod představuje jednoho zákazníka. Prvním vstupem je počet jeho účtů, druhým počet dětí. Model bude předpovídat, kolik transakcí daný uživatel provede v příštím roce. Tato data budeš používat v průběhu celých prvních dvou kapitol tohoto kurzu.

Vstupní data jsou předem načtena jako input_data a váhy jsou dostupné ve slovníku weights. Pole vah pro první uzel skryté vrstvy najdeš v weights['node_0'], pole vah pro druhý uzel skryté vrstvy pak v weights['node_1'].

Váhy vedoucí do výstupního uzlu jsou k dispozici v weights['output'].

NumPy bude ve všech cvičeních předem naimportováno jako np.

Toto cvičení je součástí kurzu

Úvod do deep learningu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vypočítej hodnotu v uzlu 0 tak, že vynásobíš input_data jeho vahami weights['node_0'] a výsledky sečteš. Jde o 1. uzel skryté vrstvy.
Vypočítej hodnotu v uzlu 1 pomocí input_data a weights['node_1']. Jde o 2. uzel skryté vrstvy.
Ulož hodnoty skryté vrstvy do pole. Tento krok už je připravený za tebe.
Vygeneruj predikci tak, že vynásobíš hidden_layer_outputs váhami weights['output'] a výsledky sečteš.
Klikni na 'Submit Answer' a zobraz výstup!

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate node 0 value: node_0_value
node_0_value = (____ * ____).____

# Calculate node 1 value: node_1_value
node_1_value = ____

# Put node values into array: hidden_layer_outputs
hidden_layer_outputs = np.array([node_0_value, node_1_value])

# Calculate output: output
output = ____

# Print output
print(output)

Upravit a spustit kód