One Neuron Gives Up چالش 2 از جلسهی 29، آسان
نورون تک را روی XOR آموزش بده (۱۰۰۰ دوره، lr = 0.5) و دقتش را حساب کن. حلقهی آموزش را کامل کن. خروجی باید accuracy 0.25 باشد؛ از شیر یا خط هم بدتر! یک نورون نمیتواند.
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
xor_data = [([0, 0], 0), ([0, 1], 1), ([1, 0], 1), ([1, 1], 0)]
weights = [0.0, 0.0]
b = 0.0
# train 1000 epochs
correct = 0
for inputs, target in xor_data:
if (neuron(inputs, weights, b) > 0.5) == (target == 1):
correct += 1
print("accuracy", correct / 4)
راهنما و جواب این چالش · برگشت به درس جلسهی 29: دو لایه میشود شبکه · چالش بعدی: The Hidden Layer
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال