將網路套用到多筆觀測值／資料列

你現在要定義一個名為 predict_with_network() 的函式，用來為多筆資料觀測值產生預測；這些資料已預先載入為 input_data。與先前相同，weights 也已預先載入。此外，你在上一個練習中定義的 relu() 函式也已預先載入。

本練習屬於課程

Python 深度學習入門

檢視課程

練習說明

定義一個名為 predict_with_network() 的函式，接受兩個引數 input_data_row 和 weights，並回傳此網路的預測結果作為輸出。
計算每個節點的輸入與輸出值，分別儲存為：node_0_input、node_0_output、node_1_input、node_1_output。
- 計算節點的輸入值時，將對應的陣列相乘後加總。
- 計算節點的輸出值時，對該節點的輸入值套用 relu() 函式。
以與節點相同的方式計算 input_to_final_layer 與 model_output，作為模型輸出。
使用 for 迴圈走訪 input_data：
- 使用你撰寫的 predict_with_network()，對 input_data 的每一列（input_data_row）產生預測。將每個預測結果附加到 results。

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。

# 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)

編輯並執行程式碼