Codierung des Vorwärtsausbreitungsalgorithmus
In dieser Übung schreibst du Code, um die Vorwärtsausbreitung (Vorhersage) für dein erstes neuronales Netzwerk zu machen:
Jeder Datenpunkt ist ein Kunde. Die erste Angabe ist, wie viele Konten sie haben, und die zweite Angabe ist, wie viele Kinder sie haben. Das Modell sagt voraus, wie viele Transaktionen der Nutzer im nächsten Jahr machen wird. Du wirst diese Daten in den ersten beiden Kapiteln dieses Kurses brauchen.
Die Eingabedaten wurden als „ input_data “ vorab geladen, und die Gewichte sind in einem Wörterbuch namens „ weights “ verfügbar. Die Gewichtswerte für den ersten Knoten in der versteckten Schicht sind in „ weights['node_0'] “ zu finden.
und die Gewichtsmatrix für den zweiten Knoten in der versteckten Schicht sind in „ weights['node_1'] “ gespeichert.
Die Gewichte, die in den Ausgabeknoten einfließen, findest du unter „ weights['output'] “.
NumPy wird in allen Übungen schon als „ np “ importiert.
Diese Übung ist Teil des Kurses
Einführung in Deep Learning mit Python
Anleitung zur Übung
- Berechne den Wert in Knoten 0, indem du „
input_data” mit seinen Gewichten „weights['node_0']” multiplizierst und die Summe berechnest. Das ist der erste Knoten in der versteckten Schicht. - Berechne den Wert in Knoten 1 mit „
input_data“ und „weights['node_1']“. Das ist der zweite Knoten in der versteckten Schicht. - Speicher die Werte der versteckten Schicht in einem Array. Das haben wir für dich getan.
- Mach die Vorhersage, indem du „
hidden_layer_outputs“ mit „weights['output']“ multiplizierst und dann die Summe bildest. - Klicke auf „Antwort senden“, um das Ergebnis auszudrucken!
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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)