Ten Output Neurons چالش 6 از جلسهی 31، سخت
یک «لایهی خروجی دهتایی» بساز: تابع predict_digit(pixels, layer) که layer لیستی از ده (weights, b) است، هر ده نورون سیگموید را روی pixels اجرا کند و argmax خروجیها را برگرداند. وزنهای دادهشده سادهاند: نورون هر رقم فقط به پیکسلهای همان رقم وزن مثبت میدهد. برنامه برای تصویر «۱» و «۷» حدس میزند: 1 و 7.
import math
zero = ["00111100", "01000010", "01000010", "01000010", "01000010", "01000010", "01000010", "00111100"]
one = ["00011000", "00111000", "00011000", "00011000", "00011000", "00011000", "00011000", "00111100"]
seven = ["01111110", "00000010", "00000100", "00001000", "00010000", "00010000", "00010000", "00010000"]
templates = {0: zero, 1: one, 7: seven}
def flatten(rows):
return [int(ch) for row in rows for ch in row]
def sigmoid(x):
return 1 / (1 + math.exp(-x))
def neuron(inputs, weights, b):
total = b
for i in range(len(inputs)):
total += inputs[i] * weights[i]
return sigmoid(total)
# a neuron per digit: weight 1 on its own pixels, -1 elsewhere, bias -5; unknown digits get all zeros
layer = []
for d in range(10):
if d in templates:
t = flatten(templates[d])
layer.append(([1 if p == 1 else -1 for p in t], -5))
else:
layer.append(([0] * 64, -10))
def argmax(values):
return values.index(max(values))
def predict_digit(pixels, layer):
pass
print(predict_digit(flatten(one), layer))
print(predict_digit(flatten(seven), layer))
راهنما و جواب این چالش · برگشت به درس جلسهی 31: رقمهای ۰ تا ۹
بیشتر بخوان: list comprehension در پایتون: از حلقه for تا یک خط کد