कई observations/डेटा rows पर नेटवर्क लागू करना
अब आप predict_with_network() नाम का एक फंक्शन परिभाषित करेंगे, जो कई data observations के लिए predictions जनरेट करेगा, जो input_data के रूप में पहले से लोड हैं. पहले की तरह, weights भी pre-loaded हैं. इसके अलावा, पिछले अभ्यास में आपने जो relu() फंक्शन परिभाषित किया था, वह भी pre-loaded है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Deep Learning परिचय
अभ्यास निर्देश
predict_with_network()नाम का एक फंक्शन परिभाषित करें, जो दो आर्ग्युमेंट्स स्वीकार करे —input_data_rowऔरweights— और नेटवर्क से एक prediction को आउटपुट के रूप में लौटाए.- प्रत्येक नोड के लिए इनपुट और आउटपुट वैल्यू की गणना करें, और इन्हें इस तरह स्टोर करें:
node_0_input,node_0_output,node_1_input, औरnode_1_output.- किसी नोड के इनपुट वैल्यू की गणना करने के लिए, संबंधित arrays को आपस में गुणा करें और उनका योग लें.
- किसी नोड के आउटपुट वैल्यू की गणना करने के लिए, उस नोड के इनपुट वैल्यू पर
relu()फंक्शन लागू करें.
- मॉडल आउटपुट की गणना
input_to_final_layerऔरmodel_outputनिकालकर करें, ठीक वैसे ही जैसे आपने नोड्स के इनपुट और आउटपुट वैल्यूज़ की गणना की थी. forलूप का उपयोग करकेinput_dataपर iterate करें:- अपनी
predict_with_network()का उपयोग करकेinput_dataकी प्रत्येक row —input_data_row— के लिए predictions जनरेट करें. हर prediction कोresultsमें append करें.
- अपनी
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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)