جواب «One Training Step» چالش 4 از جلسهی 27
سؤال
تابع train_step را کامل کن: خروجی نورون را حساب کن، error = output - target، هر وزن را با weights[i] - lr * error * inputs[i] و بایاس را با b - lr * error بهروز کن. برنامه یک قدم روی مثال ([1, 1], 1) میزند و وزنها و بایاس را گرد با ۳ رقم چاپ میکند: [0.25, 0.25] 0.25.
راهنما
for i in range(len(weights)): weights[i] = weights[i] - lr * error * inputs[i] و بعد b = b - lr * error.
یک جواب درست
import math
def sigmoid(x):
return 1 / (1 + math.exp(-x))
def neuron(inputs, weights, b):
total = b
for i in range(len(inputs)):
total = total + inputs[i] * weights[i]
return sigmoid(total)
def train_step(inputs, target, weights, b, lr):
output = neuron(inputs, weights, b)
error = output - target
for i in range(len(weights)):
weights[i] = weights[i] - lr * error * inputs[i]
b = b - lr * error
return weights, b
weights, b = train_step([1, 1], 1, [0.0, 0.0], 0.0, 0.5)
print([round(w, 3) for w in weights], round(b, 3))
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن