撰寫前饋傳播演算法
在這個練習中，你會為你的第一個神經網路撰寫用於前饋傳播（預測）的程式碼：
每個資料點代表一位顧客。第一個輸入是他們擁有的帳戶數，第二個輸入是他們擁有的子女人數。模型將預測該使用者在下一年會進行多少筆交易。你會在本課程的前 2 章持續使用這份資料。
輸入資料已預先載入為 input_data，權重則儲存在名為 weights 的字典中。隱藏層中第 1 個節點的權重陣列在 weights['node_0']，
隱藏層中第 2 個節點的權重陣列在 weights['node_1']。
輸入到輸出節點的權重在 weights['output'] 中可用。
在所有練習中，NumPy 都已預先以 np 匯入。
本練習屬於課程
Python 深度學習入門
練習說明
- 透過將
input_data乘上對應權重weights['node_0']並加總，計算節點 0 的值。這是隱藏層的第 1 個節點。 - 使用
input_data與weights['node_1']計算節點 1 的值。這是隱藏層的第 2 個節點。 - 將隱藏層的值放入一個陣列。這一步已為你完成。
- 將
hidden_layer_outputs乘上weights['output']並加總，產生預測值。 - 按下「Submit Answer」以列印輸出！
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)