Aplicar a rede a muitas observações/linhas de dados

Agora você definirá uma função chamada predict_with_network() que gerará previsões para várias observações de dados, que são pré-carregadas como input_data. Como antes, o weights também está pré-carregado. Além disso, a função relu() que você definiu no exercício anterior foi pré-carregada.

Este exercício faz parte do curso

Introdução à aprendizagem profunda em Python

Ver curso

Instruções do exercício

Defina uma função chamada predict_with_network() que aceite dois argumentos - input_data_row e weights - e retorne uma previsão da rede como saída.
Calcule os valores de entrada e saída para cada nó, armazenando-os como: node_0_input, node_0_output, node_1_input, e node_1_output.
- Para calcular o valor de entrada de um nó, multiplique as matrizes relevantes e calcule sua soma.
- Para calcular o valor de saída de um nó, aplique a função relu() ao valor de entrada do nó.
Calcule a saída do modelo calculando input_to_final_layer e model_output da mesma forma que você calculou os valores de entrada e saída para os nós.
Use um loop for para iterar sobre input_data:
- Use o site predict_with_network() para gerar previsões para cada linha dos arquivos input_data - input_data_row. Anexe cada previsão a results.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Define predict_with_network()
def predict_with_network(input_data_row, weights):

    # Calculate node 0 value
    node_0_input = ____
    node_0_output = ____

    # Calculate node 1 value
    node_1_input = ____
    node_1_output = ____

    # Put node values into array: hidden_layer_outputs
    hidden_layer_outputs = np.array([node_0_output, node_1_output])
    
    # Calculate model output
    input_to_final_layer = ____
    model_output = ____
    
    # Return model output
    return(model_output)

# Create empty list to store prediction results
results = []
for input_data_row in input_data:
    # Append prediction to results
    results.append(____)

# Print results
print(results)

Editar e executar o código