Appliquer le réseau à de nombreuses observations/lignes de données

Vous allez maintenant définir une fonction appelée predict_with_network() qui génèrera des prédictions pour plusieurs observations, préchargées dans input_data. Comme précédemment, weights est également préchargé. De plus, la fonction relu() que vous avez définie dans l’exercice précédent a été préchargée.

Cet exercice fait partie du cours

Introduction au Deep Learning en Python

Afficher le cours

Instructions

Définissez une fonction appelée predict_with_network() qui accepte deux arguments — input_data_row et weights — et renvoie une prédiction du réseau en sortie.
Calculez les valeurs d’entrée et de sortie pour chaque nœud, et stockez-les dans : node_0_input, node_0_output, node_1_input et node_1_output.
- Pour calculer la valeur d’entrée d’un nœud, multipliez les tableaux concernés et faites leur somme.
- Pour calculer la valeur de sortie d’un nœud, appliquez la fonction relu() à la valeur d’entrée du nœud.
Calculez la sortie du modèle en calculant input_to_final_layer et model_output de la même manière que vous avez calculé les valeurs d’entrée et de sortie des nœuds.
Utilisez une boucle for pour itérer sur input_data :
- Utilisez votre predict_with_network() pour générer des prédictions pour chaque ligne de input_data — input_data_row. Ajoutez chaque prédiction à results.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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)

Modifier et exécuter le code