Anwendung des Netzwerks auf viele Beobachtungen/Datenzeilen

Du wird nun eine Funktion namens predict_with_network() definieren, die Vorhersagen für mehrere Datenbeobachtungen erzeugt, welche als input_data bereits geladen wurden. Wie zuvor wurden auch weights bereits geladen. Zusätzlich wurde die relu()-Funktion, die du in der vorherigen Übung definiert hast, vorab geladen.

Diese Übung ist Teil des Kurses

Einführung in Deep Learning mit Python

Kurs anzeigen

Anleitung zur Übung

Definiere eine Funktion namens predict_with_network(), die zwei Argumente entgegennimmt – input_data_row und weights – und als Ausgabe eine Vorhersage des Netzwerks zurückgibt.
Berechne die Eingabe- und Ausgabewerte für jeden Knoten und speichere sie als: node_0_input, node_0_output, node_1_input und node_1_output.
- Um den Eingabewert eines Knotens zu berechnen, multipliziere die relevanten Arrays miteinander und bilde ihre Summe.
- Um den Ausgabewert eines Knotens zu berechnen, wende die Funktion relu() auf den Eingabewert des Knotens an.
Berechne die Modellausgabe, indem du input_to_final_layer und model_output auf die gleiche Weise berechnest, wie du die Eingabe- und Ausgabewerte der Knoten berechnet hast.
Verwende eine for-Schleife, um über input_data zu iterieren:
- Verwende deine predict_with_network() Funktion, um für jede Zeile aus input_data – input_data_row – Vorhersagen zu erzeugen. Hänge jede Vorhersage an results an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Define predict_with_network()
def predict_with_network(input_data_row, weights):

    # Calculate node 0 value
    node_0_input = ____
    node_0_output = ____

    # Calculate node 1 value
    node_1_input = ____
    node_1_output = ____

    # Put node values into array: hidden_layer_outputs
    hidden_layer_outputs = np.array([node_0_output, node_1_output])
    
    # Calculate model output
    input_to_final_layer = ____
    model_output = ____
    
    # Return model output
    return(model_output)

# Create empty list to store prediction results
results = []
for input_data_row in input_data:
    # Append prediction to results
    results.append(____)

# Print results
print(results)

Code bearbeiten und ausführen