Redes neuronales con múltiples capas

En este ejercicio, escribirás código para realizar la propagación hacia adelante en una red neuronal con 2 capas ocultas. Cada capa oculta tiene dos nodos. Los datos de entrada se han precargado como input_data. Los nodos de la primera capa oculta se llaman node_0_0 y node_0_1. Sus pesos están precargados como weights['node_0_0'] y weights['node_0_1'], respectivamente.

Los nodos de la segunda capa oculta se llaman node_1_0 y node_1_1. Sus pesos están precargados como weights['node_1_0'] y weights['node_1_1'], respectivamente.

Después, creamos una salida del modelo a partir de los nodos ocultos usando los pesos precargados como weights['output'].

Ch1Ex10

Este ejercicio forma parte del curso

Introducción al Deep Learning en Python

Ver curso

Instrucciones del ejercicio

Calcula node_0_0_input usando sus pesos weights['node_0_0'] y el input_data dado. Luego aplica la función relu() para obtener node_0_0_output.
Haz lo mismo para node_0_1_input y obtén node_0_1_output.
Calcula node_1_0_input usando sus pesos weights['node_1_0'] y las salidas de la primera capa oculta, hidden_0_outputs. Luego aplica la función relu() para obtener node_1_0_output.
Haz lo mismo para node_1_1_input y obtén node_1_1_output.
Calcula model_output usando sus pesos weights['output'] y el array de salidas de la segunda capa oculta hidden_1_outputs. No apliques la función relu() a esta salida.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

def predict_with_network(input_data):
    # Calculate node 0 in the first hidden layer
    node_0_0_input = (____ * ____).sum()
    node_0_0_output = relu(____)

    # Calculate node 1 in the first hidden layer
    node_0_1_input = ____
    node_0_1_output = ____

    # Put node values into array: hidden_0_outputs
    hidden_0_outputs = np.array([node_0_0_output, node_0_1_output])
    
    # Calculate node 0 in the second hidden layer
    node_1_0_input = ____
    node_1_0_output = ____

    # Calculate node 1 in the second hidden layer
    node_1_1_input = ____
    node_1_1_output = ____

    # Put node values into array: hidden_1_outputs
    hidden_1_outputs = np.array([node_1_0_output, node_1_1_output])

    # Calculate model output: model_output
    model_output = ____
    
    # Return model_output
    return(model_output)

output = predict_with_network(input_data)
print(output)

Editar y ejecutar código