Mengkoding algoritma forward propagation

Dalam latihan ini, Anda akan menulis kode untuk melakukan forward propagation (prediksi) untuk jaringan saraf pertama Anda:

Ch1Ex4

Setiap titik data mewakili seorang pelanggan. Masukan pertama adalah berapa banyak akun yang mereka miliki, dan masukan kedua adalah berapa banyak anak yang mereka miliki. Model akan memprediksi berapa banyak transaksi yang dilakukan pengguna dalam setahun ke depan. Anda akan menggunakan data ini sepanjang 2 bab pertama kursus ini.

Data masukan telah dimuat sebelumnya sebagai input_data, dan bobot tersedia dalam sebuah dictionary bernama weights. Array bobot untuk node pertama di lapisan tersembunyi berada pada weights['node_0'], dan array bobot untuk node kedua di lapisan tersembunyi berada pada weights['node_1'].

Bobot yang masuk ke node keluaran tersedia pada weights['output'].

NumPy akan diimpor sebelumnya untuk Anda sebagai np di semua latihan.

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Hitung nilai pada node 0 dengan mengalikan input_data dengan bobotnya weights['node_0'] lalu menghitung jumlahnya. Ini adalah node pertama di lapisan tersembunyi.
Hitung nilai pada node 1 menggunakan input_data dan weights['node_1']. Ini adalah node kedua di lapisan tersembunyi.
Masukkan nilai lapisan tersembunyi ke dalam sebuah array. Ini telah dilakukan untuk Anda.
Hasilkan prediksi dengan mengalikan hidden_layer_outputs dengan weights['output'] lalu menghitung jumlahnya.
Tekan 'Kirim Jawaban' untuk mencetak keluarannya!

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Calculate node 0 value: node_0_value
node_0_value = (____ * ____).____

# Calculate node 1 value: node_1_value
node_1_value = ____

# Put node values into array: hidden_layer_outputs
hidden_layer_outputs = np.array([node_0_value, node_1_value])

# Calculate output: output
output = ____

# Print output
print(output)

Edit dan Jalankan Kode