Lära Utmaning: Skapa en Perceptron | Neuronnätverk Från Grunden

Eftersom vårt mål är att implementera en multilagerperceptron kommer skapandet av en Perceptron-klass att förenkla modellinitieringen. Dess enda attribut, layers, är i huvudsak en lista av Layer-objekt som definierar nätverkets struktur:

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

Variablerna som används för att initiera lagren är följande:

input_size: antalet inmatningsfunktioner;
hidden_size: antalet neuroner i varje dolt lager (båda dolda lagren kommer i detta fall att ha samma antal neuroner);
output_size: antalet neuroner i utgångslagret.

Strukturen för den resulterande perceptronen bör vara enligt följande:

Uppgift

Swipe to start coding

Målet är att skapa den grundläggande strukturen för perceptronen genom att implementera dess lager:

Slutför lagerinitieringen (__init__()-metoden):
- Initiera viktsmatrisen (formen är (n_neurons, n_neurons));
- Initiera biasvektorn (formen är (n_neurons, 1)).
Fyll dessa med slumpmässiga värden från en uniform fördelning inom intervallet $[-1, 1)$ . Använd funktionen np.random.uniform() för detta.
Slutför lagrets framåtriktade propagationsmetod (forward()):
- Beräkna råa utgångsvärden för neuronerna. Använd funktionen np.dot() för skalärprodukt;
- Applicera aktiveringsfunktionen på de råa utgångarna och returnera resultatet.
Definiera tre lager:
- Två dolda lager: varje lager ska ha hidden_size neuroner och använda aktiveringsfunktionen relu;
- Ett utgångslager: detta ska använda aktiveringsfunktionen sigmoid.

Lösning

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 4

single

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

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

Svep för att visa menyn

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