第 2 模块:数学和概率,只学需要的
点积,以及为什么一个神经元就是一个点积
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 一个神经元就是一个点积加上一个数字。理解了点积,你就理解了神经元的前一半。
点积把两个向量逐项相乘,再把结果加起来:[1, 2, 3] . [4, 5, 6] = 1*4 + 2*5 + 3*6 = 32。在 NumPy 中:a @ b。
它意味着什么
如果两个向量指向同一个方向,点积就大而且为正;互相垂直时为 0;指向相反方向时为负。所以它衡量两个向量有多一致。
一个神经元
一个神经元对每个输入有一个权重。它计算 w . x + b:输入和它权重中存储的模式有多一致,再加上一个把结果往上或往下平移的偏置 b。在我们的房子上,权重 [0.5, 0.5, -1.0] 的意思是:面积更大、卧室更多会往上推,离车站的距离会往下推。
点积:把对应的项相乘再相加。偏置:最后加上的一个数字,这样神经元就不会在输入全为零时被迫输出 0。
回顾 一个神经元给输入和它的权重有多匹配打分。
本课中的词语和符号
- 向量
- 一组数字,每个特征一个
- 点积(a . b)
- 把对应的项相乘再全部加起来;两个向量方向一致时它很大
轮到你了
用一个循环编写 dot(a, b)(让你亲眼看到这个和),并编写 neuron(w, x, b),用 @ 返回 w . x + b。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。