Карта ноутбука
На вопрос «где это?» сразу находишь нужную ячейку.
Квадратные скобки соответствуют сохранённому запуску «Выполнить все». И82 означает индекс ячейки в исходном задании, отсчёт с нуля. Если выполняешь ячейки вручную, номера в скобках меняются: ищи также по первой строке кода.
| Запуск | Исходник | Первая строка | Код |
|---|---|---|---|
| [1] | И7 | from copy import deepcopy | Открыть код |
| [2] | И9 | def validate_matrix(matrix): validate_matrix, scalar_multiplication, matrix_addition, matrix_transposition, matrix_multiplication | Открыть код |
| [3] | И10 | def print_matrix(matrix): print_matrix | Открыть код |
| [4] | И12 | matrix1 = np.array([[1, 2, 3], | Открыть код |
| [5] | И14 | from abc import ABC, abstractmethod | Открыть код |
| [6] | И16 | class ActivationFunction(ABC): __call__, grad | Открыть код |
| [7] | И20 | class Identity(ActivationFunction): __call__, grad | Открыть код |
| [8] | И21 | x_range = np.linspace(-3, 3, 1000) | Открыть код |
| [9] | И25 | class Sigmoid(ActivationFunction): __call__, grad | Открыть код |
| [10] | И26 | x_range = np.linspace(-5, 5, 1000) | Открыть код |
| [11] | И28 | input = np.array([-2, 8, -5, 0.2, 0.1, 3, 7]) | Открыть код |
| [12] | И32 | class ReLU(ActivationFunction): __call__, grad | Открыть код |
| [13] | И33 | x_range = np.linspace(-3, 3, 1000) | Открыть код |
| [14] | И35 | input = np.array([-2, 8, -5, 0.2, 0.1, 3, 7]) | Открыть код |
| [15] | И39 | class LeakyReLU(ActivationFunction): __init__, __call__, grad | Открыть код |
| [16] | И40 | x_range = np.linspace(-5, 5, 1000) | Открыть код |
| [17] | И42 | input = np.array([-2, 8, -5, 0.2, 0.1, 3, 7]) | Открыть код |
| [18] | И46 | class ELU(ActivationFunction): __init__, __call__, grad | Открыть код |
| [19] | И47 | x_range = np.linspace(-5, 5, 1000) | Открыть код |
| [20] | И49 | input = np.array([-2, 8, -5, 0.2, 0.1, 3, 7]) | Открыть код |
| [21] | И53 | class Softmax(ActivationFunction): __call__, grad | Открыть код |
| [22] | И54 | z_range = np.array([[0.5, 1.25, 0.25, 2.2, 0.05, 0.495]]) | Открыть код |
| [23] | И56 | input = np.array([[1.0, 2.0, 3.0], | Открыть код |
| [24] | И60 | class LossFunction(ABC): __call__, grad | Открыть код |
| [25] | И64 | class MeanSquaredError(LossFunction): __call__, grad | Открыть код |
| [26] | И66 | targets = np.array([3.5, 2.0, 7.1, 5.2, 4.6]) | Открыть код |
| [27] | И70 | class BinaryCrossEntropy(LossFunction): __call__, grad | Открыть код |
| [28] | И72 | targets = np.array([0, 1, 1, 0, 1]) | Открыть код |
| [29] | И75 | class CrossEntropy(LossFunction): __init__, __call__, grad | Открыть код |
| [30] | И77 | targets = np.array([2, 0, 1, 4, 3]) | Открыть код |
| [31] | И82 | class Layer: __init__, forward, backward | Открыть код |
| [32] | И83 | class NeuralNetwork: __init__, forward, backward, train | Открыть код |
| [33] | И86 | from sklearn.datasets import make_regression | Открыть код |
| [34] | И88 | from sklearn.datasets import make_circles | Открыть код |
| [35] | И89 | X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) | Открыть код |
| [36] | И91 | layers = [ | Открыть код |
| [37] | И92 | layers = [ | Открыть код |
| [38] | И94 | from sklearn.datasets import make_blobs | Открыть код |
| [39] | И95 | from sklearn.preprocessing import StandardScaler | Открыть код |
| [40] | Дополнение | # Проверки формул и обратного прохода | Открыть код |
| [41] | Дополнение | # Digits: данные и разбиение | Открыть код |
| [42] | Дополнение | # Выбор настроек только по validation make_digit_network | Открыть код |
| [43] | Дополнение | # Финальная сеть использует именно лучшие настройки | Открыть код |
| [44] | Дополнение | # Ошибки выбранной модели, без повторного подбора по тесту | Открыть код |
Тренажёр «Покажи в ноутбуке»
Сначала найди строку в своём Colab. Только затем открывай ответ.