بتل کد Battle Codeدارد باز می‌شود…

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