เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เขียนโค้ดสำหรับอัลกอริทึม forward propagation

ในแบบฝึกหัดนี้ จะได้เขียนโค้ดเพื่อทำ forward propagation (การพยากรณ์) สำหรับโครงข่ายประสาทเทียมแรก:

Ch1Ex4

ข้อมูลแต่ละจุดแทนลูกค้าหนึ่งราย โดย input แรกคือจำนวนบัญชีที่มี และ input ที่สองคือจำนวนบุตร โมเดลจะพยากรณ์จำนวนธุรกรรมที่ผู้ใช้จะทำในปีถัดไป และจะใช้ข้อมูลนี้ตลอด 2 บทแรกของคอร์สนี้

ข้อมูล input ถูกโหลดไว้ล่วงหน้าในชื่อ input_data และค่า weights อยู่ใน dictionary ชื่อ weights โดยอาร์เรย์ของ weights สำหรับ node แรกใน hidden layer อยู่ใน weights['node_0'] และอาร์เรย์ของ weights สำหรับ node ที่สองอยู่ใน weights['node_1']

ส่วน weights ที่ป้อนเข้า output node อยู่ใน weights['output']

NumPy จะถูก import ไว้ให้ล่วงหน้าในชื่อ np ทุกแบบฝึกหัด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Introduction to Deep Learning in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณค่าใน node 0 โดยนำ input_data คูณกับ weights weights['node_0'] แล้วหาผลรวม นี่คือ node ที่ 1 ใน hidden layer
  • คำนวณค่าใน node 1 โดยใช้ input_data และ weights['node_1'] นี่คือ node ที่ 2 ใน hidden layer
  • นำค่าของ hidden layer ใส่ในอาร์เรย์ ขั้นตอนนี้ได้ดำเนินการไว้ให้แล้ว
  • สร้างผลพยากรณ์โดยนำ hidden_layer_outputs คูณกับ weights['output'] แล้วหาผลรวม
  • กด ส่งคำตอบ เพื่อแสดงผลลัพธ์!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด