Çok katmanlı sinir ağları

Bu egzersizde, 2 gizli katmanlı bir sinir ağı için ileri yayılım (forward propagation) kodu yazacaksın. Her gizli katmanda iki düğüm var. Girdi verisi input_data olarak önceden yüklendi. İlk gizli katmandaki düğümlerin adları node_0_0 ve node_0_1. Ağırlıkları sırasıyla weights['node_0_0'] ve weights['node_0_1'] olarak önceden yüklendi.

İkinci gizli katmandaki düğümlerin adları node_1_0 ve node_1_1. Ağırlıkları sırasıyla weights['node_1_0'] ve weights['node_1_1'] olarak önceden yüklendi.

Sonrasında, gizli düğümlerden weights['output'] olarak önceden yüklenmiş ağırlıkları kullanarak bir model çıktısı oluşturacağız.

Ch1Ex10

Bu egzersiz

Python ile Deep Learning'e Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

weights['node_0_0'] ağırlıklarını ve verilen input_data verisini kullanarak node_0_0_input değerini hesapla. Ardından relu() fonksiyonunu uygulayıp node_0_0_output değerini elde et.
Aynı şekilde node_0_1_input için de hesaplama yaparak node_0_1_output değerini elde et.
weights['node_1_0'] ağırlıklarını ve ilk gizli katmanın çıktıları olan hidden_0_outputs değerlerini kullanarak node_1_0_input değerini hesapla. Ardından relu() fonksiyonunu uygulayıp node_1_0_output değerini elde et.
Aynı şekilde node_1_1_input için de hesaplama yaparak node_1_1_output değerini elde et.
weights['output'] ağırlıklarını ve ikinci gizli katmanın çıktıları olan hidden_1_outputs dizisini kullanarak model_output değerini hesapla. Bu çıktıya relu() fonksiyonunu uygulama.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

def predict_with_network(input_data):
    # Calculate node 0 in the first hidden layer
    node_0_0_input = (____ * ____).sum()
    node_0_0_output = relu(____)

    # Calculate node 1 in the first hidden layer
    node_0_1_input = ____
    node_0_1_output = ____

    # Put node values into array: hidden_0_outputs
    hidden_0_outputs = np.array([node_0_0_output, node_0_1_output])
    
    # Calculate node 0 in the second hidden layer
    node_1_0_input = ____
    node_1_0_output = ____

    # Calculate node 1 in the second hidden layer
    node_1_1_input = ____
    node_1_1_output = ____

    # Put node values into array: hidden_1_outputs
    hidden_1_outputs = np.array([node_1_0_output, node_1_1_output])

    # Calculate model output: model_output
    model_output = ____
    
    # Return model_output
    return(model_output)

output = predict_with_network(input_data)
print(output)

Kodu Düzenle ve Çalıştır