Applicare la rete a molte osservazioni/righe di dati

Ora definirai una funzione chiamata predict_with_network() che genererà previsioni per più osservazioni dei dati, già caricate come input_data. Come prima, anche weights sono già caricati. Inoltre, la funzione relu() che hai definito nell'esercizio precedente è stata pre-caricata.

Questo esercizio fa parte del corso

Introduzione al Deep Learning in Python

Visualizza corso

Istruzioni dell'esercizio

Definisci una funzione chiamata predict_with_network() che accetta due argomenti - input_data_row e weights - e restituisce una previsione della rete come output.
Calcola i valori di input e output per ciascun nodo, salvandoli come: node_0_input, node_0_output, node_1_input e node_1_output.
- Per calcolare il valore di input di un nodo, moltiplica tra loro gli array pertinenti e calcolane la somma.
- Per calcolare il valore di output di un nodo, applica la funzione relu() al valore di input del nodo.
Calcola l'output del modello calcolando input_to_final_layer e model_output nello stesso modo in cui hai calcolato i valori di input e output dei nodi.
Usa un ciclo for per iterare su input_data:
- Usa la tua predict_with_network() per generare previsioni per ogni riga di input_data - input_data_row. Aggiungi ciascuna previsione a results.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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)

Modifica ed esegui il codice