Codificación del algoritmo de propagación hacia adelante
En este ejercicio, escribirás código para realizar la propagación hacia adelante (predicción) para tu primera red neuronal:
Cada punto de datos es un cliente. La primera información que deben introducir es el número de cuentas que tienen, y la segunda, el número de hijos que tienen. El modelo predecirá cuántas transacciones realizará el usuario durante el próximo año. Utilizarás estos datos a lo largo de los dos primeros capítulos de este curso.
Los datos de entrada se han precargado como input_data, y los pesos están disponibles en un diccionario llamado weights. El arreglo de pesos para el primer nodo en la capa oculta se encuentra en weights['node_0'],
y el arreglo de pesos para el segundo nodo en la capa oculta están en weights['node_1'].
Los pesos que alimentan el nodo de salida están disponibles en weights['output'].
NumPy se importará previamente como np en todos los ejercicios.
Este ejercicio forma parte del curso
Introducción al aprendizaje profundo en Python
Instrucciones del ejercicio
- Calcula el valor en el nodo 0 multiplicando
input_datapor sus pesosweights['node_0']y calculando su suma. Este es el primer nodo de la capa oculta. - Calcula el valor en el nodo 1 utilizando
input_datayweights['node_1']. Este es el segundo nodo de la capa oculta. - Pon los valores de la capa oculta en un arreglo. Esto se te proporciona hecho.
- Genera la predicción multiplicando
hidden_layer_outputsporweights['output']y calculando su suma. - Pulsa «Enviar respuesta» para imprimir el resultado.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# 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)