Jaringan saraf berlapis banyak

Pada latihan ini, Anda akan menulis kode untuk melakukan forward propagation pada sebuah neural network dengan 2 hidden layer. Setiap hidden layer memiliki dua node. Data masukan telah dimuat sebagai input_data. Node pada hidden layer pertama bernama node_0_0 dan node_0_1. Bobotnya telah dimuat sebagai weights['node_0_0'] dan weights['node_0_1'] masing-masing.

Node pada hidden layer kedua bernama node_1_0 dan node_1_1. Bobotnya telah dimuat sebagai weights['node_1_0'] dan weights['node_1_1'] masing-masing.

Kemudian kita membuat keluaran model dari node tersembunyi menggunakan bobot yang telah dimuat sebagai weights['output'].

Ch1Ex10

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Hitung node_0_0_input menggunakan bobotnya weights['node_0_0'] dan input_data yang diberikan. Lalu terapkan fungsi relu() untuk memperoleh node_0_0_output.
Lakukan hal yang sama untuk node_0_1_input guna memperoleh node_0_1_output.
Hitung node_1_0_input menggunakan bobotnya weights['node_1_0'] dan keluaran dari hidden layer pertama - hidden_0_outputs. Lalu terapkan fungsi relu() untuk memperoleh node_1_0_output.
Lakukan hal yang sama untuk node_1_1_input guna memperoleh node_1_1_output.
Hitung model_output menggunakan bobotnya weights['output'] dan keluaran dari hidden layer kedua, array hidden_1_outputs. Jangan terapkan fungsi relu() pada keluaran ini.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

def predict_with_network(input_data):
    # Calculate node 0 in the first hidden layer
    node_0_0_input = (____ * ____).sum()
    node_0_0_output = relu(____)

    # Calculate node 1 in the first hidden layer
    node_0_1_input = ____
    node_0_1_output = ____

    # Put node values into array: hidden_0_outputs
    hidden_0_outputs = np.array([node_0_0_output, node_0_1_output])
    
    # Calculate node 0 in the second hidden layer
    node_1_0_input = ____
    node_1_0_output = ____

    # Calculate node 1 in the second hidden layer
    node_1_1_input = ____
    node_1_1_output = ____

    # Put node values into array: hidden_1_outputs
    hidden_1_outputs = np.array([node_1_0_output, node_1_1_output])

    # Calculate model output: model_output
    model_output = ____
    
    # Return model_output
    return(model_output)

output = predict_with_network(input_data)
print(output)

Edit dan Jalankan Kode