Implementarea algoritmului de propagare înainte

În acest exercițiu, vei scrie cod pentru a realiza propagarea înainte (predicție) pentru prima ta rețea neuronală:

Ch1Ex4

Fiecare punct de date reprezintă un client. Prima intrare indică numărul de conturi pe care le are, iar a doua intrare – numărul de copii. Modelul va prezice câte tranzacții va efectua clientul în anul următor. Vei folosi aceste date pe parcursul primelor 2 capitole ale cursului.

Datele de intrare au fost preîncărcate ca input_data, iar ponderile sunt disponibile într-un dicționar numit weights. Array-ul de ponderi pentru primul nod din stratul ascuns se află în weights['node_0'], iar cel pentru al doilea nod din stratul ascuns se află în weights['node_1'].

Ponderile care alimentează nodul de ieșire sunt disponibile în weights['output'].

NumPy va fi importat în prealabil ca np în toate exercițiile.

Acest exercițiu face parte din cursul

Introducere în Deep Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Calculează valoarea din nodul 0 înmulțind input_data cu ponderile sale weights['node_0'] și calculând suma. Acesta este primul nod din stratul ascuns.
Calculează valoarea din nodul 1 folosind input_data și weights['node_1']. Acesta este al doilea nod din stratul ascuns.
Pune valorile din stratul ascuns într-un array. Acest pas a fost deja realizat pentru tine.
Generează predicția înmulțind hidden_layer_outputs cu weights['output'] și calculând suma.
Apasă 'Trimite răspunsul' pentru a afișa rezultatul!

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)

Editează și rulează codul