Một nơ-ron từ con số không
Toàn bộ học sâu được xây từ một mảnh tí hon: nơ-ron nhân tạo. Nó làm ba việc, theo thứ tự.
- Tổng có trọng số. Nhân mỗi đầu vào với trọng số riêng của nó và cộng lại. Một trọng số cho biết đầu vào đó quan trọng đến đâu.
- Cộng một độ lệch. Một con số duy nhất đẩy kết quả lên hoặc xuống, giống như một hệ số chặn.
- Hàm kích hoạt. Nén kết quả qua một hàm phi tuyến để nơ-ron biểu diễn được nhiều hơn một đường thẳng.
Một hàm kích hoạt kinh điển là sigmoid, ánh xạ bất kỳ số nào thành một giá trị giữa 0 và 1 (tiện cho xác suất):
sigmoid(z) = 1 / (1 + e^(-z))Vài cột mốc: sigmoid(0) đúng bằng 0.5, đầu vào dương lớn tiến tới 1, và đầu vào âm lớn tiến tới 0. Ghép lại thì một nơ-ron chỉ là:
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) làm phép nhân-rồi-cộng cho cả vector đầu vào cùng lúc. Đó là toàn bộ ý tưởng. Xếp chồng hàng nghìn cái như vậy và huấn luyện các trọng số, bạn có một mạng nơ-ron.
Cài đặt neuron(x, w, b) bằng numpy. Tính tổng có trọng số np.dot(x, w), cộng độ lệch b, rồi trả về sigmoid của kết quả đó. Rồi đặt out = neuron(x, w, b) cho x, w, và b được cho.
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.