Codificando o algoritmo de propagação direta
Neste exercício, você vai escrever código para fazer a propagação direta (predição) do seu primeiro rede neural:
Cada ponto de dados representa um cliente. A primeira entrada é quantas contas ele tem e a segunda é quantos filhos ele tem. O modelo vai prever quantas transações o usuário fará no próximo ano. Você usará esses dados ao longo dos 2 primeiros capítulos deste curso.
Os dados de entrada já foram carregados como input_data, e os pesos estão disponíveis em um dicionário chamado weights. O array de pesos do primeiro nó na camada oculta está em weights['node_0'],
e o array de pesos do segundo nó na camada oculta está em weights['node_1'].
Os pesos que alimentam o nó de saída estão em weights['output'].
NumPy já estará importado para você como np em todos os exercícios.
Este exercício faz parte do curso
Introdução a Deep Learning em Python
Instruções do exercício
- Calcule o valor no nó 0 multiplicando
input_datapelos seus pesosweights['node_0']e computando a soma. Este é o 1º nó da camada oculta. - Calcule o valor no nó 1 usando
input_dataeweights['node_1']. Este é o 2º nó da camada oculta. - Coloque os valores da camada oculta em um array. Isso já foi feito para você.
- Gere a predição multiplicando
hidden_layer_outputsporweights['output']e computando a soma. - Clique em "Enviar Resposta" para imprimir a saída!
Exercício interativo prático
Experimente este exercício completando 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)