AI for Beginners Curriculum बाट ल्याब असाइनमेन्ट।
यस पाठमा MNIST हस्तलेख अंकहरूको द्विआधारी वर्गीकरणका लागि विकास गरिएको कोड प्रयोग गर्दै, बहु-वर्ग वर्गीकृत बनाउनुहोस् जसले कुनै पनि अंकलाई चिन्हित गर्न सक्दछ। ट्रेन र टेस्ट डाटासेटमा वर्गीकरणको शुद्धता गणना गर्नुहोस्, र भ्रम म्याट्रिक्स प्रिन्ट गर्नुहोस्।
- प्रत्येक अंकका लागि, "यो अंक बनाम अन्य सबै अंक" को लागि द्विआधारी वर्गीकर्ताको डाटासेट तयार गर्नुहोस्।
- द्विआधारी वर्गीकरणका लागि १० फरक परसेप्ट्रोनहरू (प्रत्येक अंकका लागि एक) ट्रेन गर्नुहोस्।
- इनपुट अंक वर्गीकृत गर्ने एउटा function परिभाषित गर्नुहोस्।
सुझाव: यदि हामी सबै १० परसेप्ट्रोनहरूको तौललाई एउटै म्याट्रिक्समा संयोजन गर्छौं भने, हामी एउटा म्याट्रिक्स गुणनद्वारा इनपुट अंकहरूमा सबै १० परसेप्ट्रोनहरू लागू गर्न सक्षम हुनेछौं। त्यसपछि सबैभन्दा सम्भावित अंक
argmaxअपरेसन प्रयोग गरेर सजिलै पत्ता लगाउन सकिन्छ।
PerceptronMultiClass.ipynb खोल्दै ल्याब सुरु गर्नुहोस्।
अस्वीकरण:
यो दस्तावेज़ AI अनुवाद सेवा Co-op Translator प्रयोग गरी अनुवाद गरिएको हो। हामी यथासम्भव सटीकता सुनिश्चित गर्न प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटि वा अशुद्धि हुन सक्छ। यसको मूल भाषामा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्त्वपूर्ण जानकारीका लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं।