Sıfırdan Bir Nöron
Derin öğrenmenin tamamı küçük bir parçadan oluşur: yapay nöron. Sırasıyla üç şey yapar.
- Ağırlıklı toplam. Her girişi kendi ağırlığıyla çarp ve bunları topla. Bir ağırlık, o girişin ne kadar önemli olduğunu söyler.
- Bir bias ekle. Sonucu yukarı veya aşağı kaydıran, bir kesişim noktası gibi tek bir sayı.
- Activation. Sonucu doğrusal bir çizgiden daha fazlasını ifade edebilmesi için doğrusal olmayan bir fonksiyondan geçir.
A klasik aktivasyon sigmoid, herhangi bir sayıyı 0 ile 1 arasında bir değere eşler (olasılıklar için kullanışlıdır):
sigmoid(z) = 1 / (1 + e^(-z))Bazı işaretler: sigmoid(0) tam olarak 0.5, büyük pozitif girdiler 1 değerine yaklaşır ve büyük negatif girdiler 0 değerine yaklaşır. Bunları birleştirince bir nöron sadece şudur:
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) tüm giriş vektörü için çarpma ve toplama işlemini bir kerede yapar. Tüm fikir bu. Bunlardan binlercesini üst üste koy ve ağırlıkları eğit, böylece bir sinir ağı elde edersin.
neuron(x, w, b)'yi numpy kullanarak uygula. Ağırlıklı toplam np.dot(x, w)'yi hesapla, bias b'yi ekle ve ardından bunun sigmoid değerini döndür. Sonra verilen x, w ve b için out = neuron(x, w, b)'yi ayarla.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.