مثال تابع (هوش مصنوعی با پایتون): def sigmoid(z):
مثال 5 از درس جلسهی 42 آموزش هوش مصنوعی برای نوجوانان با پایتون: numpy: ماتریس به جای حلقه ۲
یک لایه کامل = X @ W + b و بعد تابع فعالسازی. b یک بایاس برای هر نورون است (شکل (m,)) و broadcasting آن را به همهی سطرها اضافه میکند؛ همان «همه یک نمرهی اضافه» جلسهی قبل، این بار برای هر ستون یک عدد. سیگموید هم با np.exp روی کل ماتریس یکجا کار میکند. حالا شبکهی XOR جلسهی ۲۹، با همان وزنهای دستی، برای هر چهار مثال با هم:
def sigmoid(z):
return 1 / (1 + np.exp(-z))
W1 = np.array([[6, 6], [6, 6]]) # columns: OR neuron, AND neuron
b1 = np.array([-3, -9])
W2 = np.array([[8], [-8]]) # output: "OR and not AND"
b2 = np.array([-4])
h = sigmoid(X @ W1 + b1) # (4, 2)
out = sigmoid(h @ W2 + b2) # (4, 1)
print(np.round(out[:, 0], 2)) # [0.03 0.96 0.96 0.03]
این کد را همینجا در ویرایشگر پایتون اجرا کن، عددها و متنهایش را عوض کن و دوباره اجرا کن تا ببینی چه تغییری میکند.
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال
← مثال قبلی · برگشت به درس جلسهی 42: numpy: ماتریس به جای حلقه ۲ · مثال بعدی → · چالشهای این جلسه