순전파 알고리즘 코딩하기
이번 연습 문제에서는 첫 번째 neural network에 대해 순전파(예측) 코드를 작성해 보겠습니다:
각 데이터 포인트는 한 명의 고객을 나타냅니다. 첫 번째 입력은 보유 계좌 수, 두 번째 입력은 자녀 수예요. 이 모델은 사용자가 다음 해에 수행할 거래 횟수를 예측합니다. 이 데이터는 이 강의의 처음 2개 챕터 전체에서 사용돼요.
입력 데이터는 input_data로 미리 로드되어 있고, 가중치는 weights라는 딕셔너리에 들어 있습니다. 은닉층 첫 번째 노드의 가중치 배열은 weights['node_0']에,
은닉층 두 번째 노드의 가중치 배열은 weights['node_1']에 있습니다.
출력 노드로 들어가는 가중치는 weights['output']에서 확인할 수 있어요.
모든 연습 문제에서 NumPy는 np로 미리 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 시작하는 Deep Learning
연습 안내
input_data에 가중치weights['node_0']를 원소별 곱한 뒤 합을 구해 노드 0의 값을 계산하세요. 이는 은닉층의 첫 번째 노드예요.input_data와weights['node_1']를 사용해 노드 1의 값을 계산하세요. 이는 은닉층의 두 번째 노드예요.- 은닉층의 값을 배열에 담으세요. 이 부분은 이미 제공되어 있어요.
hidden_layer_outputs에weights['output']를 원소별 곱한 뒤 합을 구해 예측값을 생성하세요.- 'Submit Answer'를 눌러 출력을 확인하세요!
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)