Lompat ke konten utama
Kelas
Jaringan Saraf Tiruan Dasar dengan PythonPelajaran 6 dari 22 · Modul 2, Forward pass dan fungsi loss

Modul 2 · Forward pass dan fungsi loss

Forward pass jaringan dua lapis dengan numpy

Setelah pelajaran ini kamu bisa menulis forward pass jaringan dengan ReLU di lapis tersembunyi dan softmax per baris di keluaran.

  • ±13 menit
  • 3 latihan
  • Diperiksa 28 Sep 2026

Latihan di pelajaran ini butuh akun gratis. Progres, kode, dan catatanmu hanya tersimpan di browser ini. Masuk untuk menyimpannya

Materi

Forward pass adalah perhitungan dari masukan ke keluaran, lapis demi lapis. Dive into Deep Learning §5.1 menuliskannya untuk satu lapis tersembunyi: H = σ(XW⁽¹⁾ + b⁽¹⁾), lalu O = HW⁽²⁾ + b⁽²⁾. Di sini σ adalah aktivasi seperti ReLU, dan O adalah skor keluaran. Untuk klasifikasi, softmax dikenakan pada setiap baris O sehingga setiap sampel punya deret peluangnya sendiri.

Softmax untuk matriks harus dihitung per baris. Nilai maksimum dan jumlah diambil dengan axis=1 dan keepdims=True: axis=1 berarti menyusuri kolom di dalam setiap baris, dan keepdims mempertahankan bentuk (n, 1) supaya pembagiannya ter-broadcast ke baris yang benar. Kelas tebakan setiap sampel adalah np.argmax(P, axis=1).

import numpy as np

X = np.array([[2.0, 0.0]])
W1 = np.array([[1.0, -1.0], [0.0, 1.0]]); b1 = np.array([0.0, 0.5])
W2 = np.array([[0.5], [1.0]]);            b2 = np.array([0.1])
H = np.maximum(0, X @ W1 + b1)   # [[2. 0.]]  (neuron kedua: -2 + 0.5 < 0)
O = H @ W2 + b2                  # [[1.1]]
print(H, O)

Forward pass tidak mengubah bobot sama sekali; ia hanya menghitung. Pelatihan, yang dibahas di modul berikutnya, memakai hasil antara forward pass (Z, H, dan O) untuk menghitung gradien.

Latihan

Jawaban diperiksa di server. Lulus berarti kamu memahami contohnya, bukan penilaian seluruh pekerjaanmu.

Latihan 3 dari 3

Satu sampel x = [1, 2] masuk ke lapis tersembunyi dengan W1 = [[1, −1], [0,5; 1]] (baris = masukan) dan b1 = [0, −1], memakai ReLU. Keluarannya linear dengan W2 = [0,5; 2] dan b2 = 0,25. Berapa keluaran jaringan? Tulis dengan dua desimal.

Catatanmu

Memuat catatan…

tersimpan otomatis, ikut tercetak · 0/4.000

Lanjutkan ke

Tampilkan 1 lagi