بتل کد Battle Codeدارد باز می‌شود…

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