AI-For-Beginners/translations/km/lessons/3-NeuralNetworks/03-Perceptron/lab
localizeflow[bot] 57c2faebcf chore(i18n): sync translations with latest source changes (final snapshot) 2026-04-06 20:21:22 +00:00
..
PerceptronMultiClass.ipynb chore(i18n): sync translations with latest source changes (final snapshot) 2026-04-06 20:21:22 +00:00
README.md chore(i18n): sync translations with latest source changes (final snapshot) 2026-04-06 20:21:22 +00:00

README.md

ចំណាត់ថ្នាក់ច្រើនថ្នាក់ជាមួយ Perceptron

ការចាត់តាំងមើលល្បិចពី មេរៀន AI សម្រាប់អ្នកចាប់ផ្តើម

ការងារ

ដោយប្រើកូដដែលយើងបានអភិវឌ្ឍក្នុងមេរៀននេះសម្រាប់ចំណាត់ថ្នាក់ពីរភាគសាស្ត្រចំនួនអក្សរដៃ MNIST សូមបង្កើតចំណាត់ថ្នាក់ច្រើនថ្នាក់ទាំងមូលដែលអាចស្គាល់លេខណាមួយបាន។ គណនាការពិតនៃចំណាត់ថ្នាក់លើទិន្នន័យបណ្តុះបណ្តាល និងចេញតារាងកំហុស។

ពីរបៀប

  1. សម្រាប់លេខនីមួយៗ បង្កើតទិន្នន័យសម្រាប់ចំណាត់ថ្នាក់ពីរភាគសាស្ត្រដោយប្រើ "លេខនេះប្រៀបធៀបទៅនឹងលេខផ្សេងទៀតទាំងអស់"
  2. បណ្តុះ Perceptron ទាំង ១០ សម្រាប់ចំណាត់ថ្នាក់ពីរភាគសាស្ត្រ (មួយសម្រាប់លេខមួយៗ)
  3. កំណត់មុខងារមួយដែលអាចចំណាត់ថ្នាក់លេខដែលបញ្ចូល

កំណត់ចំណាំ៖ ប្រសិនបើយើងផ្គុំទម្ងន់របស់ Perceptron ទាំង ១០ ទៅក្នុងម៉ាទ្រីសមួយ យើងគួរតែអាចអនុវត្ត Perceptron ទាំង ១០ ទៅលើលេខបញ្ចូលដោយប្រើការបូកគុណម៉ាទ្រីស៍តែមួយបាន។ លេខដែលមានប្រភេទខ្ពស់បំផុតអាចរកឃើញដោយប្រើសកម្មភាព argmax លើលទ្ធផល។

សៀវភៅចាប់ផ្តើម

ចាប់ផ្តើមមើលល្បិចដោយបើក PerceptronMultiClass.ipynb


ការប្រកាស៖ ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI Co-op Translator។ យើងខិតខំរកភាពត្រឹមត្រូវ ប៉ុន្តែសូមយល់ដឹងថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬមិនត្រឹមត្រូវ។ ឯកសារដើមនៅក្នុងភាសាជាតិរបស់វាគួរឱ្យត្រូវបានគេចាត់ទុកជាឈុតឯកសារផ្លូវការដែលមានអំណាច។ សម្រាប់ព័ត៌មានសំខាន់ យើងផ្ដល់អនុសាសន៍ឲ្យមានការបកប្រែដោយមនុស្សដែលជាប្រពន្ធដៃវិជ្ជាជីវៈ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការពន្យល់មិនត្រឹមត្រូវណាមួយដែលកើតឡើងពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។