신경망 직관, LLM, AI 캡스톤
처음부터 만드는 뉴런
이 강좌를 전에 들은 적이 있나요?
한 번만 세기 위해서예요. 내 답만 익명의 진행 상황과 함께 보내져요.
딥러닝 전체는 아주 작은 부품 하나로 만들어져요: 인공 뉴런. 세 가지 일을 순서대로 해요.
- 가중 합. 각 입력에 자기 가중치를 곱하고 더해요. 가중치는 그 입력이 얼마나 중요한지 말해요.
- 편향 더하기. 결과를 위아래로 옮기는 숫자 하나, 절편 같은 거예요.
- 활성화. 뉴런이 직선 이상을 나타낼 수 있도록 결과를 비선형 함수로 눌러요.
고전적인 활성화는 시그모이드예요. 어떤 숫자든 0과 1 사이의 값으로 대응시켜요(확률에 편리해요):
sigmoid(z) = 1 / (1 + e^(-z))몇 가지 이정표: sigmoid(0)은 정확히 0.5이고, 큰 양수 입력은 1에 다가가고, 큰 음수 입력은 0에 다가가요. 모두 합치면 뉴런은 그냥 이거예요:
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)가 입력 벡터 전체에 대해 곱하고 더하기를 한 번에 해요. 그게 생각 전부예요. 이걸 수천 개 쌓고 가중치를 훈련하면 신경망이 돼요.
내 차례
numpy로 neuron(x, w, b)를 구현하세요. 가중 합 np.dot(x, w)를 계산하고, 편향 b를 더한 다음, 그것의 시그모이드를 돌려주세요. 그다음 주어진 x, w, b에 대해 out = neuron(x, w, b)로 정하세요.
레슨 완료. 잘했어요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.