۶ کیو· متوسطمتوسطPYTHON۴ ثانیه · ۲۵۶ مگابایت

شبکه‌ی چندلایه: دو لایه‌ی پنهان

شبکه‌ای با دو لایه‌ی پنهان (ReLU) و $M$ خروجی خطی:

A^{(1)} = g\big(W_1 [1, X]\big) \qquad A^{(2)} = g\big(W_2 [1, A^{(1)}]\big) \qquad Z = B\,[1, A^{(2)}]

که $[1, \cdot]$ یعنی یک ۱ برای عرض از مبدأ پیش از بردار. ماتریس‌ها: W1 به شکل $K_1 \times (p + 1)$ ، W2 به شکل $K_2 \times (K_1 + 1)$ و B به شکل $M \times (K_2 + 1)$ ؛ ستون اول هر کدام عرض از مبدأهاست.

تابع mlp_forward(X, W1, W2, B) ماتریس $Z$ را برای همه‌ی ردیف‌های $X$ برمی‌گرداند (شکل $n \times M$ ).

نمونه‌ها

ورودی نمونه ۱

[[[-0.8, -1.32, -0.25], [0.42, 1.14, 0.11]], [[-0.39, -0.55, 0.52, 1.14], [0.19, -0.86, -0.67, 1.12], [0.14, -1.21, -0.06, -0.81], [-0.44, -0.34, -0.5, 0.39]], [[-0.04, -0.41, 0.29, 0.58, -1.15], [-0.18, -0.69, -0.12, -0.9, 0.01], [-0.03, -0.21, -0.73, -0.28, -0.76]], [[-0.95, 0.16, -0.78, 0.82], [0.5, -1.4, 0.19, -0.77]]]

خروجی نمونه ۱

[[-0.8312, -0.5391], [-0.95, 0.5]]

ورودی نمونه ۲

[[[1.05, 1.78, -2.55, -0.14], [1.01, 1.35, 0.65, 1.5], [0.29, 0.55, 0.18, -1.07]], [[-0.59, 0.27, -0.41, 0.89, 0.9], [1.26, -0.02, 0.97, -0.63, -0.57], [0.06, 0.2, -1.12, -1.21, 0.25], [-0.6, 0.85, 0.28, 0.22, 0.15], [0.63, -0.11, 0.76, -0.37, -0.16]], [[-0.48, 0.42, 0.03, -0.6, 1.4, -0.25], [-0.08, 0.28, 1.22, -0.1, 0.49, 0.07], [-1.02, 0.55, 0.71, -0.17, -0.01, -1.05], [-1.07, -0.27, 0.44, -0.33, 0.2, 0.68]], [[0.07, 0.4, 1.01, -0.87, 0.52], [-1.32, 0.3, 0.14, -0.38, -0.75], [-0.04, -0.29, 0.07, -0.64, 0.38]]]

خروجی نمونه ۲

[[7.1947, -2.3936, 1.3162], [2.9709, -0.7489, -0.1559], [3.2455, -1.4529, 0.4199]]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود