1. Learn
    2. /
  2. คอร์ส
    3. /
  3. Introduction à Deep Learning en Python
Connected

แบบฝึกหัด

Réseaux de neurones multicouches

Dans cet exercice, vous écrirez du code pour effectuer la propagation avant d'un réseau de neurones avec 2 couches cachées. Chaque couche cachée comporte deux nœuds. Les données d'entrée ont été préchargées dans input_data. Les nœuds de la première couche cachée s'appellent node_0_0 et node_0_1. Leurs poids sont préchargés sous weights['node_0_0'] et weights['node_0_1'] respectivement.

Les nœuds de la deuxième couche cachée s'appellent node_1_0 et node_1_1. Leurs poids sont préchargés sous weights['node_1_0'] et weights['node_1_1'] respectivement.

Nous créons ensuite une sortie de modèle à partir des nœuds cachés en utilisant des poids préchargés sous weights['output'].

Ch1Ex10

คำแนะนำ

100 XP
  • Calculez node_0_0_input à l'aide de ses poids weights['node_0_0'] et des input_data fournies. Puis appliquez la fonction relu() pour obtenir node_0_0_output.
  • Faites la même chose pour node_0_1_input afin d'obtenir node_0_1_output.
  • Calculez node_1_0_input à l'aide de ses poids weights['node_1_0'] et des sorties de la première couche cachée — hidden_0_outputs. Puis appliquez la fonction relu() pour obtenir node_1_0_output.
  • Faites la même chose pour node_1_1_input afin d'obtenir node_1_1_output.
  • Calculez model_output à l'aide de ses poids weights['output'] et du tableau des sorties de la deuxième couche cachée hidden_1_outputs. N'appliquez pas la fonction relu() à cette sortie.