Codificação do algoritmo de propagação progressiva
Neste exercício, você escreverá um código para fazer a propagação direta (previsão) para a sua primeira rede neural:
Cada ponto de dados é um cliente. A primeira entrada é o número de contas que eles têm e a segunda entrada é o número de filhos que eles têm. O modelo preverá quantas transações o usuário fará no próximo ano. Você usará esses dados nos dois primeiros capítulos deste curso.
Os dados de entrada foram pré-carregados como input_data, e os pesos estão disponíveis em um dicionário chamado weights. A matriz de pesos do primeiro nó da camada oculta está em weights['node_0'],
e a matriz de pesos do segundo nó da camada oculta está em weights['node_1'].
Os pesos que alimentam o nó de saída estão disponíveis em weights['output'].
O NumPy será pré-importado para você como np em todos os exercícios.
Este exercício faz parte do curso
Introdução à aprendizagem profunda em Python
Instruções de exercício
- Calcule o valor no nó 0 multiplicando
input_datapor seus pesosweights['node_0']e calculando a soma deles. Esse é o primeiro nó da camada oculta. - Calcule o valor no nó 1 usando
input_dataeweights['node_1']. Esse é o segundo nó na camada oculta. - Coloque os valores da camada oculta em uma matriz. Isso foi feito para você.
- Gere a previsão multiplicando
hidden_layer_outputsporweights['output']e calculando sua soma. - Clique em "Submit Answer" (Enviar resposta) para imprimir o resultado!
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# 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)