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

道练习

编写前向传播算法

在本练习中，您将为第一个神经网络编写代码来完成前向传播（预测）：

Ch1Ex4

每个数据点对应一位用户。第一个输入是他们拥有的账户数量，第二个输入是他们拥有的子女数量。模型将预测该用户在下一年发生的交易次数。您将在本课程的前 2 章中持续使用这份数据。

输入数据已预先加载为 input_data，权重保存在名为 weights 的字典中。隐藏层中第一个节点的权重数组位于 weights['node_0']， 隐藏层中第二个节点的权重数组位于 weights['node_1']。

传入输出节点的权重位于 weights['output']。

所有练习中都已为您预先导入 NumPy 为 np。

说明

100 XP
  • 通过将 input_data 与其对应权重 weights['node_0'] 做逐元素相乘并求和，计算节点 0 的值。这是隐藏层中的第 1 个节点。
  • 使用 input_data 和 weights['node_1'] 计算节点 1 的值。这是隐藏层中的第 2 个节点。
  • 将隐藏层的两个值放入一个数组中。此步骤已为您完成。
  • 通过将 hidden_layer_outputs 与 weights['output'] 做逐元素相乘并求和，生成预测值。
  • 点击 "提交答案" 以打印输出！