ニューラルネットの直感、LLM と AI キャップストーン
ゼロから作るニューロン
以前このコースを受けたことがありますか?
あなたを 1 人として数えるためです。送られるのはあなたの答えと匿名の進捗だけです。
ディープラーニングはすべて、ひとつの小さな部品からできています。人工ニューロン です。それは次の 3 つのことを順に行います。
- 重み付きの和。 各入力にそれぞれの重みを掛けて足し合わせます。重みは、その入力がどれだけ重要かを表します。
- バイアスを足す。 結果を上下にずらすひとつの数で、切片のようなものです。
- 活性化。 結果を非線形な関数に通して押しつぶし、ニューロンが直線以上のものを表せるようにします。
古典的な活性化関数は シグモイド で、どんな数も 0 と 1 の間の値に対応づけます(確率に便利です):
sigmoid(z) = 1 / (1 + e^(-z))いくつかの目印:sigmoid(0) はちょうど 0.5、大きな正の入力は 1 に近づき、大きな負の入力は 0 に近づきます。まとめると、ニューロンはただこれだけです:
import numpy as np
def neuron(x, w, b):
z = np.dot(x, w) + b # weighted sum + bias
return 1 / (1 + np.exp(-z)) # sigmoid activationnp.dot(x, w) は入力ベクトル全体の掛け算と足し算を一度に行います。考え方はこれで全部です。これを何千個も積み重ねて重みを学習させれば、ニューラルネットワークになります。
あなたの番
numpy を使って neuron(x, w, b) を実装してください。重み付きの和 np.dot(x, w) を計算し、バイアス b を足し、そのシグモイドを返します。次に、与えられた x、w、b について out = neuron(x, w, b) とします。
レッスン完了。お見事です。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。