AI-For-Beginners/translations/ml/lessons/3-NeuralNetworks/03-Perceptron/lab

പെർസെപ്ട്രോൺ ഉപയോഗിച്ച് മൾട്ടി-ക്ലാസ് ക്ലാസിഫിക്കേഷൻ

AI for Beginners Curriculum ലെ ലാബ് അസൈൻമെന്റ്.

ടാസ്‌ക്

ഈ പാഠത്തിൽ ഞങ്ങൾ വികസിപ്പിച്ചെടുത്ത MNIST ഹാൻഡ്‌റിറ്റൻ ഡിജിറ്റുകളുടെ ബൈനറി ക്ലാസിഫിക്കേഷൻ കോഡ് ഉപയോഗിച്ച്, ഏതെങ്കിലും ഡിജിറ്റ് തിരിച്ചറിയാൻ കഴിയുന്ന മൾട്ടി-ക്ലാസ് ക്ലാസിഫയർ സൃഷ്ടിക്കുക. ട്രെയിൻ, ടെസ്റ്റ് ഡാറ്റാസെറ്റുകളിൽ ക്ലാസിഫിക്കേഷൻ കൃത്യത കണക്കാക്കി, കൺഫ്യൂഷൻ മാട്രിക്സ് പ്രിന്റ് ചെയ്യുക.

സൂചനകൾ

1. ഓരോ ഡിജിറ്റിനും "ഈ ഡിജിറ്റ് vs. മറ്റ് എല്ലാ ഡിജിറ്റുകളും" എന്ന ബൈനറി ക്ലാസിഫയർ ഡാറ്റാസെറ്റ് സൃഷ്ടിക്കുക
2. 10 വ്യത്യസ്ത പെർസെപ്ട്രോണുകൾ ബൈനറി ക്ലാസിഫിക്കേഷനായി ട്രെയിൻ ചെയ്യുക (ഓരോ ഡിജിറ്റിനും ഒന്ന്)
3. ഒരു ഇൻപുട്ട് ഡിജിറ്റ് ക്ലാസിഫൈ ചെയ്യാനുള്ള ഫംഗ്ഷൻ നിർവചിക്കുക

സൂചന: 10 പെർസെപ്ട്രോണുകളുടെ വെയ്റ്റുകൾ ഒരു മാട്രിക്സിൽ ചേർത്താൽ, ഒരു മാട്രിക്സ് ഗുണനത്തിലൂടെ എല്ലാ 10 പെർസെപ്ട്രോണുകളും ഇൻപുട്ട് ഡിജിറ്റുകളിൽ പ്രയോഗിക്കാം. ഏറ്റവും സാധ്യതയുള്ള ഡിജിറ്റ് argmax ഓപ്പറേഷൻ ഉപയോഗിച്ച് കണ്ടെത്താം.

ആരംഭിക്കുന്ന നോട്ട്‌ബുക്ക്

PerceptronMultiClass.ipynb തുറന്ന് ലാബ് ആരംഭിക്കുക.

---

അസൂയാ:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചിട്ടുണ്ടെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനം ഉപയോഗിക്കുന്നതിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.