1. Learn
    2. /
  2. 课程
    3. /
  3. Python 深度学习入门
Connected

道练习

多层神经网络

在本练习中，您将编写代码，为一个包含 2 个隐藏层的神经网络执行前向传播。每个隐藏层都有 2 个节点。输入数据已预加载为 input_data。第一隐藏层中的节点名为 node_0_0 和 node_0_1。它们的权重已分别预加载为 weights['node_0_0'] 和 weights['node_0_1']。

第二隐藏层中的节点名为 node_1_0 和 node_1_1。它们的权重已分别预加载为 weights['node_1_0'] 和 weights['node_1_1']。

随后，我们使用已预加载为 weights['output'] 的权重，将隐藏层的节点组合得到模型输出。

Ch1Ex10

说明

100 XP
  • 使用权重 weights['node_0_0'] 和给定的 input_data 计算 node_0_0_input。然后应用 relu() 函数得到 node_0_0_output。
  • 按照上一步的方法计算 node_0_1_input，并得到 node_0_1_output。
  • 使用权重 weights['node_1_0'] 和第一隐藏层的输出 hidden_0_outputs 计算 node_1_0_input。然后应用 relu() 函数得到 node_1_0_output。
  • 按照上一步的方法计算 node_1_1_input，并得到 node_1_1_output。
  • 使用权重 weights['output'] 和第二隐藏层的输出数组 hidden_1_outputs 计算 model_output。对此输出不要应用 relu() 函数。