Áp dụng mạng cho nhiều quan sát/hàng dữ liệu

Giờ bạn sẽ định nghĩa một hàm tên predict_with_network() để tạo dự đoán cho nhiều quan sát dữ liệu, đã được nạp sẵn là input_data. Như trước, weights cũng đã được nạp sẵn. Ngoài ra, hàm relu() mà bạn đã định nghĩa ở bài tập trước cũng đã được nạp sẵn.

Bài tập này là một phần của khóa học

Nhập môn Deep Learning với Python

Xem khóa học

Hướng dẫn bài tập

Định nghĩa một hàm tên predict_with_network() nhận hai đối số - input_data_row và weights - và trả về một dự đoán từ mạng làm đầu ra.
Tính các giá trị đầu vào và đầu ra cho mỗi node, lưu lần lượt là: node_0_input, node_0_output, node_1_input, và node_1_output.
- Để tính giá trị đầu vào của một node, nhân các mảng liên quan với nhau và tính tổng.
- Để tính giá trị đầu ra của một node, áp dụng hàm relu() lên giá trị đầu vào của node đó.
Tính đầu ra của mô hình bằng cách tính input_to_final_layer và model_output theo cùng cách bạn đã tính giá trị đầu vào và đầu ra cho các node.
Dùng vòng lặp for để lặp qua input_data:
- Dùng predict_with_network() của bạn để tạo dự đoán cho từng hàng của input_data - input_data_row. Thêm (append) mỗi dự đoán vào results.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Define predict_with_network()
def predict_with_network(input_data_row, weights):

    # Calculate node 0 value
    node_0_input = ____
    node_0_output = ____

    # Calculate node 1 value
    node_1_input = ____
    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
    input_to_final_layer = ____
    model_output = ____
    
    # Return model output
    return(model_output)

# Create empty list to store prediction results
results = []
for input_data_row in input_data:
    # Append prediction to results
    results.append(____)

# Print results
print(results)

Chỉnh sửa và Chạy Mã