1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do uczenia głębokiego w Pythonie
Connected

ćwiczenie

Wielowarstwowe sieci neuronowe

W tym ćwiczeniu napiszesz kod wykonujący propagację w przód dla sieci neuronowej z 2 warstwami ukrytymi. Każda warstwa ukryta ma dwa węzły. Dane wejściowe zostały wczytane jako input_data. Węzły pierwszej warstwy ukrytej noszą nazwy node_0_0 i node_0_1, a ich wagi są dostępne odpowiednio jako weights['node_0_0'] i weights['node_0_1'].

Węzły drugiej warstwy ukrytej noszą nazwy node_1_0 i node_1_1, a ich wagi są dostępne odpowiednio jako weights['node_1_0'] i weights['node_1_1'].

Na podstawie węzłów ukrytych tworzymy wyjście modelu, korzystając z wag wczytanych jako weights['output'].

Ch1Ex10

Instrukcje

100 XP
  • Oblicz node_0_0_input, używając wag weights['node_0_0'] i podanych danych input_data. Następnie zastosuj funkcję relu(), aby uzyskać node_0_0_output.
  • Wykonaj te same kroki dla node_0_1_input, aby uzyskać node_0_1_output.
  • Oblicz node_1_0_input, używając wag weights['node_1_0'] i wyjść z pierwszej warstwy ukrytej – hidden_0_outputs. Następnie zastosuj funkcję relu(), aby uzyskać node_1_0_output.
  • Wykonaj te same kroki dla node_1_1_input, aby uzyskać node_1_1_output.
  • Oblicz model_output, używając wag weights['output'] i tablicy wyjść z drugiej warstwy ukrytej hidden_1_outputs. Do tego wyjścia nie stosuj funkcji relu().