مثال list comprehension (هوش مصنوعی با پایتون): return np.array([[random.uniform(-1, 1) for…
مثال 6 از درس جلسهی 42 آموزش هوش مصنوعی برای نوجوانان با پایتون: numpy: ماتریس به جای حلقه ۲
آموزش هم ماتریسی میشود. همان قدمهای جلسهی ۳۰، فقط برای همهی مثالها با هم: دلتای خروجی d2 = (out - y) * out * (1 - out) (خطا ضرب در شیب سیگموید). سهم تقصیر لایهی پنهان d1 = (d2 @ W2.T) * h * (1 - h)؛ @ W2.T همان «تقسیم تقصیر به نسبت وزن» است. تغییر وزنها h.T @ d2 و X.T @ d1: ترانهادهها کاری میکنند که سهم هر چهار مثال با هم جمع شود. بایاسها با sum(axis=0).
import random
random.seed(1)
def rand_matrix(rows, cols):
return np.array([[random.uniform(-1, 1) for _ in range(cols)] for _ in range(rows)])
y = np.array([[0], [1], [1], [0]])
W1 = rand_matrix(2, 2); b1 = np.zeros(2)
W2 = rand_matrix(2, 1); b2 = np.zeros(1)
for epoch in range(3000):
h = sigmoid(X @ W1 + b1)
out = sigmoid(h @ W2 + b2)
d2 = (out - y) * out * (1 - out)
d1 = (d2 @ W2.T) * h * (1 - h)
W2 -= 1.0 * h.T @ d2
b2 -= 1.0 * d2.sum(axis=0)
W1 -= 1.0 * X.T @ d1
b1 -= 1.0 * d1.sum(axis=0)
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: list comprehension در پایتون: از حلقه for تا یک خط کد
← مثال قبلی · برگشت به درس جلسهی 42: numpy: ماتریس به جای حلقه ۲ · چالشهای این جلسه