Redes neurais com várias camadas

Neste exercício, você vai escrever código para fazer a propagação direta em uma rede neural com 2 camadas ocultas. Cada camada oculta tem dois nós. Os dados de entrada já foram carregados como input_data. Os nós da primeira camada oculta se chamam node_0_0 e node_0_1. Seus pesos já estão carregados como weights['node_0_0'] e weights['node_0_1'], respectivamente.

Os nós da segunda camada oculta se chamam node_1_0 e node_1_1. Seus pesos já estão carregados como weights['node_1_0'] e weights['node_1_1'], respectivamente.

Em seguida, criamos uma saída do modelo a partir dos nós ocultos usando pesos já carregados como weights['output'].

Ch1Ex10

Este exercício faz parte do curso

Introdução a Deep Learning em Python

Ver curso

Instruções do exercício

Calcule node_0_0_input usando seus pesos weights['node_0_0'] e o input_data fornecido. Em seguida, aplique a função relu() para obter node_0_0_output.
Faça o mesmo para node_0_1_input para obter node_0_1_output.
Calcule node_1_0_input usando seus pesos weights['node_1_0'] e as saídas da primeira camada oculta - hidden_0_outputs. Depois, aplique a função relu() para obter node_1_0_output.
Faça o mesmo para node_1_1_input para obter node_1_1_output.
Calcule model_output usando seus pesos weights['output'] e o array de saídas da segunda camada oculta hidden_1_outputs. Não aplique a função relu() a essa saída.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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)

Editar e executar o código