مثال list comprehension (هوش مصنوعی با پایتون): return np.array([[random.uniform(-1, 1) for… — شبکهی چندلایه با numpy ۱
مثال 3 از درس جلسهی 43 آموزش هوش مصنوعی برای نوجوانان با پایتون: شبکهی چندلایه با numpy ۱
یک سؤال مهم: اگر لایهها را بدون سیگموید (یا هر تابع دیگری) پشت هم بگذاریم چه؟ فروشگاهی ۲۰٪ تخفیف میدهد و بعد روی قیمت جدید ۱۰٪ دیگر. این دو تخفیف پشت سر هم دقیقاً برابر یک تخفیف ۲۸٪ است! ضرب ماتریس هم همینطور است: (X @ W1) @ W2 همان X @ (W1 @ W2) است. یعنی ده لایهی خطی هم فقط یک لایهی خطیاند و نمیتوانند XOR را یاد بگیرند. np.allclose دو آرایه را با چشمپوشی از خطاهای خیلی ریز اعشاری مقایسه میکند.
import random
import numpy as np
random.seed(1)
def rand_matrix(rows, cols):
return np.array([[random.uniform(-1, 1) for _ in range(cols)] for _ in range(rows)])
X = rand_matrix(3, 4)
W1 = rand_matrix(4, 5)
W2 = rand_matrix(5, 2)
two_layers = (X @ W1) @ W2
one_layer = X @ (W1 @ W2)
print(np.allclose(two_layers, one_layer)) # True: the second layer added nothing
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
برگشت به درس جلسهی 43: شبکهی چندلایه با numpy ۱ · مثال بعدی → · چالشهای این جلسه