Oppiskele Haaste: Perceptronin Luominen | Neuroverkon Rakentaminen Alusta Alkaen

Koska tavoitteena on toteuttaa monikerroksinen perceptroni, Perceptron-luokan luominen yksinkertaistaa mallin alustamista. Sen ainoa attribuutti, layers, on käytännössä lista Layer-olioita, jotka määrittelevät verkon rakenteen:

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

Kerrokset alustetaan seuraavilla muuttujilla:

input_size: syöteominaisuuksien määrä;
hidden_size: neuronien määrä jokaisessa piilokerroksessa (tässä tapauksessa molemmissa piilokerroksissa on sama määrä neuroneita);
output_size: neuronien määrä lähtökerroksessa.

Tuloksena olevan perceptronin rakenne on seuraava:

Tehtävä

Swipe to start coding

Tavoitteena on määrittää perceptronin perusrakenne toteuttamalla sen kerrokset:

Täydennä kerroksen alustaminen (__init__()-metodi):
- Alusta weights-matriisi (muoto (n_neurons, n_neurons));
- Alusta biases-vektori (muoto (n_neurons, 1)).
Täytä nämä satunnaisilla arvoilla tasaisesta jakaumasta välillä $[-1, 1)$ . Käytä tähän np.random.uniform()-funktiota.
Täydennä kerroksen eteenpäinlevitys (forward()-metodi):
- Laske neuronien raakaulostuloarvot. Käytä pistetuloon np.dot()-funktiota;
- Käytä raakaulostuloihin aktivointifunktiota ja palauta tulos.
Määrittele kolme kerrosta:
- Kaksi piilokerrosta: kummassakin kerroksessa tulee olla hidden_size neuronia ja käytössä relu-aktivointifunktio;
- Yksi ulostulokerros: käytössä sigmoid-aktivointifunktio.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 2. Luku 4

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you explain how to define the Layer class?

How do I initialize the Perceptron with specific layer sizes?

What is the purpose of having multiple hidden layers in this structure?

Awesome!

Completion rate improved to 4

Pyyhkäise näyttääksesi valikon

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