Jaringan saraf dan lapisan

Pengantar Deep Learning dengan PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Lapisan jaringan saraf

Diagram jaringan saraf dengan input, lapisan tersembunyi, dan output

Lapisan jaringan saraf

Diagram jaringan saraf dengan input, lapisan tersembunyi, dan output

Lapisan jaringan saraf

Diagram jaringan saraf dengan input, lapisan tersembunyi, dan output

Lapisan jaringan saraf

Diagram jaringan saraf dengan input, lapisan tersembunyi, dan output

Jaringan saraf pertama kita

Diagram jaringan saraf dasar hanya dengan input dan output

Jaringan terhubung penuh
Setara dengan model linear

Merancang jaringan saraf

Tiga node yang mewakili input ke jaringan saraf

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])

Neuron input = fitur
Neuron output = kelas

Merancang jaringan saraf

Tiga node sebagai input jaringan saraf dengan panah maju merepresentasikan lapisan linear

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(

                         in_features=3,

                         out_features=2

                         )

Merancang jaringan saraf

Diagram jaringan saraf dasar hanya dengan input dan output

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(
                         in_features=3, 
                         out_features=2
                         )


# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

Merancang jaringan saraf

Diagram jaringan saraf dasar hanya dengan input dan output

$$ $$ $$

# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

tensor([[-0.2415, -0.1604]], 
    grad_fn=<AddmmBackward0>)

Bobot dan bias

output = linear_layer(input_tensor)

Representasi operasi linear

Bobot dan bias

.weight
```
print(linear_layer.weight)
```

Parameter containing:
tensor([[-0.4799,  0.4996,  0.1123],
        [-0.0365, -0.1855,  0.0432]], 
        requires_grad=True)

Mencerminkan pentingnya tiap fitur

.bias
```
print(linear_layer.bias)
```

Parameter containing:
tensor([0.0310, 0.1537], requires_grad=True)

Memberi keluaran dasar untuk neuron

Jaringan terhubung penuh dalam aksi

Diagram jaringan saraf dasar hanya dengan input dan output

Jaringan terhubung penuh dalam aksi

Diagram jaringan saraf dasar hanya dengan input dan output

Jaringan terhubung penuh dalam aksi

Diagram jaringan saraf dasar hanya dengan input dan output

Fitur kelembapan punya bobot lebih besar
Bias menangkap informasi dasar

Ayo berlatih!

Pengantar Deep Learning dengan PyTorch