Aprende Desafío: Creación de un Perceptrón

Dado que nuestro objetivo es implementar un perceptrón multicapa, crear una clase Perceptron facilitará la inicialización del modelo. Su único atributo, layers, es esencialmente una lista de objetos Layer que definen la estructura de la red:

class Perceptron:
    def __init__(self, layers):
        self.layers = layers

Las variables utilizadas para inicializar las capas son las siguientes:

input_size: el número de características de entrada;
hidden_size: el número de neuronas en cada capa oculta (ambas capas ocultas tendrán el mismo número de neuronas en este caso);
output_size: el número de neuronas en la capa de salida.

La estructura del perceptrón resultante debe ser la siguiente:

Tarea

Swipe to start coding

El objetivo es establecer la estructura básica del perceptrón implementando sus capas:

Completar la inicialización de la capa (método __init__()):
- Inicializar la matriz de pesos (con forma (n_neurons, n_neurons));
- Inicializar el vector de sesgos (con forma (n_neurons, 1)).
Rellenar ambos con valores aleatorios de una distribución uniforme en el rango $[-1, 1)$ . Utilizar la función np.random.uniform() para ello.
Completar la propagación hacia adelante de la capa (método forward()):
- Calcular los valores de salida brutos de las neuronas. Utilizar la función np.dot() para el producto punto;
- Aplicar la función de activación a las salidas brutas y devolver el resultado.
Definir tres capas:
- Dos capas ocultas: cada una debe tener hidden_size neuronas y utilizar la función de activación relu;
- Una capa de salida: debe utilizar la función de activación sigmoid.

Solución

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 2. Capítulo 4

single

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Awesome!

Completion rate improved to 4

Desliza para mostrar el menú

class Perceptron:
    def __init__(self, layers):
        self.layers = layers