Cum afectează modificările ponderilor acuratețea

Acum vei putea modifica ponderi într-o rețea reală și vei vedea cum influențează acuratețea modelului!

Aruncă o privire la următoarea rețea neuronală: Ch2Ex4

Ponderile sale au fost preîncărcate ca weights_0. Sarcina ta în acest exercițiu este să actualizezi o singură pondere din weights_0 pentru a crea weights_1, care să genereze o predicție perfectă (în care valoarea prezisă este egală cu target_actual: 3).

Folosește hârtie și creion dacă este necesar pentru a experimenta cu diferite combinații. Vei folosi funcția predict_with_network(), care primește ca prim argument un array de date și ca al doilea argument ponderile.

Acest exercițiu face parte din cursul

Introducere în Deep Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un dicționar de ponderi numit weights_1 în care ai modificat 1 pondere din weights_0 (este suficientă o singură modificare în weights_0 pentru a obține predicția perfectă).
Obține predicții cu noile ponderi folosind funcția predict_with_network() cu argumentele input_data și weights_1.
Calculează eroarea pentru noile ponderi scăzând target_actual din model_output_1.
Apasă „Trimite răspunsul" pentru a compara erorile!

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# The data point you will make a prediction for
input_data = np.array([0, 3])

# Sample weights
weights_0 = {'node_0': [2, 1],
             'node_1': [1, 2],
             'output': [1, 1]
            }

# The actual target value, used to calculate the error
target_actual = 3

# Make prediction using original weights
model_output_0 = predict_with_network(input_data, weights_0)

# Calculate error: error_0
error_0 = model_output_0 - target_actual

# Create weights that cause the network to make perfect prediction (3): weights_1
weights_1 = {'node_0': [____, ____],
             'node_1': [____, ____],
             'output': [____, ____]
            }

# Make prediction using new weights: model_output_1
model_output_1 = ____

# Calculate error: error_1
error_1 = ____ - ____

# Print error_0 and error_1
print(error_0)
print(error_1)

Editează și rulează codul