Функция активации ReLU

Как объяснил Дэн в видео, «функция активации» — это функция, которая применяется в каждом узле сети. Она преобразует входные данные узла в выходные.

Функция активации ReLU (Rectified Linear Unit) широко используется в высокопроизводительных нейронных сетях. Она принимает одно число: возвращает 0, если значение отрицательное, и само входное значение — если положительное.

Примеры:
relu(3) = 3
relu(-3) = 0

Это упражнение является частью курса

Введение в глубокое обучение на Python

Посмотреть курс

Инструкции к упражнению

Заполните определение функции relu():
- Используйте функцию max(), чтобы вычислить выходное значение relu().
Примените функцию relu() к node_0_input, чтобы вычислить node_0_output.
Примените функцию relu() к node_1_input, чтобы вычислить node_1_output.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

def relu(input):
    '''Define your relu activation function here'''
    # Calculate the value for the output of the relu function: output
    output = max(____, ____)
    
    # Return the value just calculated
    return(output)

# Calculate node 0 value: node_0_output
node_0_input = (input_data * weights['node_0']).sum()
node_0_output = ____

# Calculate node 1 value: node_1_output
node_1_input = (input_data * weights['node_1']).sum()
node_1_output = ____

# Put node values into array: hidden_layer_outputs
hidden_layer_outputs = np.array([node_0_output, node_1_output])

# Calculate model output (do not apply relu)
model_output = (hidden_layer_outputs * weights['output']).sum()

# Print model output
print(model_output)

Редактировать и запускать код