Вивчайте Завдання: Створення Перцептрона

Оскільки наша мета — реалізувати багатошаровий перцептрон, створення класу Perceptron спростить ініціалізацію моделі. Його єдиний атрибут, layers, по суті є списком об'єктів Layer, які визначають структуру мережі:

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

Змінні, які використовуються для ініціалізації шарів:

input_size: кількість вхідних ознак;
hidden_size: кількість нейронів у кожному прихованому шарі (в обох прихованих шарах буде однакова кількість нейронів у цьому випадку);
output_size: кількість нейронів у вихідному шарі.

Структура отриманого перцептрона повинна бути такою:

Завдання

Swipe to start coding

Ваша мета — налаштувати базову структуру перцептрона, реалізувавши його шари:

Завершіть ініціалізацію шару (метод __init__()):
- Ініціалізуйте матрицю ваг (форма (n_neurons, n_neurons));
- Ініціалізуйте вектор зміщень (форма (n_neurons, 1)).
Заповніть їх випадковими значеннями з рівномірного розподілу в діапазоні $[-1, 1)$ . Для цього використовуйте функцію np.random.uniform().
Завершіть пряме поширення шару (метод forward()):
- Обчисліть сирі вихідні значення нейронів. Для добутку матриць використовуйте функцію np.dot();
- Застосуйте активаційну функцію до сирих виходів і поверніть результат.
Визначте три шари:
- Два приховані шари: кожен шар повинен містити hidden_size нейронів і використовувати активаційну функцію relu;
- Один вихідний шар: повинен використовувати активаційну функцію sigmoid.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 4

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

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

Свайпніть щоб показати меню

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