1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction à Deep Learning en Python
Connected

Exercice

Coder l'algorithme de propagation avant

Dans cet exercice, vous allez écrire du code pour effectuer la propagation avant (prédiction) pour votre premier réseau de neurones :

Ch1Ex4

Chaque point de données représente un client. La première entrée correspond au nombre de comptes qu'il possède, et la deuxième au nombre d'enfants. Le modèle prédit combien de transactions l'utilisateur effectuera au cours de la prochaine année. Vous utiliserez ces données tout au long des 2 premiers chapitres de ce cours.

Les données d'entrée ont été préchargées dans input_data, et les poids sont disponibles dans un dictionnaire appelé weights. Le tableau de poids pour le premier nœud de la couche cachée se trouve dans weights['node_0'], et le tableau de poids pour le deuxième nœud de la couche cachée se trouve dans weights['node_1'].

Les poids qui alimentent le nœud de sortie sont disponibles dans weights['output'].

NumPy sera préimporté sous le nom np dans tous les exercices.

Instructions

100 XP
  • Calculez la valeur du nœud 0 en multipliant input_data par ses poids weights['node_0'] et en en calculant la somme. C'est le 1er nœud de la couche cachée.
  • Calculez la valeur du nœud 1 en utilisant input_data et weights['node_1']. C'est le 2e nœud de la couche cachée.
  • Placez les valeurs de la couche cachée dans un tableau. Cela a été fait pour vous.
  • Générez la prédiction en multipliant hidden_layer_outputs par weights['output'] et en en calculant la somme.
  • Cliquez sur "Soumettre la réponse" pour afficher le résultat !