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

การจำแนกหลายคลาสด้วย Perceptron

งานในห้องปฏิบัติการจาก AI for Beginners Curriculum.

งานที่ต้องทำ

ใช้โค้ดที่เราได้พัฒนาขึ้นในบทเรียนนี้สำหรับการจำแนกแบบไบนารีของตัวเลขเขียนด้วยมือ MNIST สร้างตัวจำแนกหลายคลาสที่สามารถจดจำตัวเลขใด ๆ ก็ได้ คำนวณความแม่นยำของการจำแนกบนชุดข้อมูลการฝึกและการทดสอบ และพิมพ์เมทริกซ์ความสับสนออกมา

คำแนะนำ

1. สำหรับแต่ละตัวเลข ให้สร้างชุดข้อมูลสำหรับตัวจำแนกแบบไบนารีของ "ตัวเลขนี้เทียบกับตัวเลขอื่นทั้งหมด"
2. ฝึก Perceptron 10 ตัวที่แตกต่างกันสำหรับการจำแนกแบบไบนารี (หนึ่งตัวสำหรับแต่ละตัวเลข)
3. กำหนดฟังก์ชันที่สามารถจำแนกตัวเลขที่ป้อนเข้าไปได้

คำแนะนำ: หากเรารวมเวกเตอร์น้ำหนักของ Perceptron ทั้ง 10 ตัวเข้าไว้ในเมทริกซ์เดียว เราจะสามารถใช้ Perceptron ทั้ง 10 ตัวกับตัวเลขที่ป้อนเข้าไปได้ด้วยการคูณเมทริกซ์เพียงครั้งเดียว จากนั้นสามารถหาตัวเลขที่เป็นไปได้มากที่สุดได้โดยการใช้ฟังก์ชัน argmax กับผลลัพธ์

โน้ตบุ๊กเริ่มต้น

เริ่มงานในห้องปฏิบัติการโดยเปิด PerceptronMultiClass.ipynb

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาต้นทางควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามนุษย์ที่เป็นมืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดซึ่งเกิดจากการใช้การแปลนี้