น้ำหนัก ไบแอส และผลรวมถ่วงน้ำหนัก
สูตรหลัก w·x + b
น้ำหนัก ไบแอส และผลรวมถ่วงน้ำหนัก เป็นบทเรียน Deep Learning Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Deep Learning Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
ทำความรู้จักนิวรอน
นิวรอนคือหน่วยที่เล็กที่สุดของโครงข่ายประสาทเทียม รับตัวเลขเข้ามาสองสามตัวและผลิตตัวเลขขาออกหนึ่งตัว นั่นคืองานทั้งหมดของมัน 🧠
ค่าขาเข้าคือตัวเลขเท่านั้น
นิวรอนทุกตัวรับค่าขาเข้าเป็นตัวเลข เช่น ความสว่างของพิกเซลหรือราคา ทุกสิ่งที่วัดได้สามารถกลายเป็นค่าขาเข้าที่ป้อนให้นิวรอนได้
ค่าขาเข้าแต่ละตัวมีน้ำหนัก
ค่าขาเข้าแต่ละตัวจับคู่กับน้ำหนักที่บอกว่าค่านั้นสำคัญเพียงใด น้ำหนักมากหมายถึงอิทธิพลสูง ส่วนน้ำหนักน้อยหมายถึงนิวรอนแทบไม่สนใจค่านั้น
คูณแล้วบวก
นิวรอนคูณค่าขาเข้าทุกตัวด้วยน้ำหนักของมัน แล้วรวมผลลัพธ์ทั้งหมด ยอดรวมที่สะสมนี้คือหัวใจของผลรวมถ่วงน้ำหนัก
score = w1 * x1 + w2 * x2ไบแอสเลื่อนทุกอย่าง
ไบแอสคือตัวเลขเพิ่มเติมที่บวกในขั้นสุดท้าย มันเลื่อนผลลัพธ์ขึ้นหรือลง ทำให้นิวรอนทำงานได้แม้ค่าขาเข้าจะเป็นศูนย์
score = w1 * x1 + w2 * x2 + bสูตรหลัก
รวมทุกอย่างเข้าด้วยกันจะได้บรรทัดที่มีชื่อเสียง w·x + b น้ำหนักคูณค่าขาเข้า แล้วบวกไบแอส เกือบทุกชั้นในการเรียนรู้เชิงลึกเริ่มต้นจากตรงนี้
เหตุใดจึงใช้ผลคูณจุด
ผลรวมของน้ำหนักคูณค่าขาเข้านั้นก็คือผลคูณจุดพอดี การเขียนเป็น w·x ทำให้คุณจัดการกับค่าขาเข้าสองตัวหรือสองพันตัวด้วยแนวคิดเดียวกันได้
เขียนโค้ดผลรวมถ่วงน้ำหนัก
นี่คือผลรวมถ่วงน้ำหนักใน Python แบบพื้นฐาน ให้วนผ่านน้ำหนักและค่าขาเข้าที่จับคู่กัน คูณ แล้วสะสมผลรวม
score = b
for w, x in zip(weights, inputs):
score += w * xคะแนนหมายถึงอะไร
ตัวเลขสุดท้ายคือคะแนน: ค่าสูงหมายถึงนิวรอนมีแนวโน้มตอบว่าใช่ ค่าต่ำหมายถึงมีแนวโน้มตอบว่าไม่ใช่ ขั้นตอนถัดไปจะเปลี่ยนคะแนนนี้ให้เป็นการตัดสินใจจริง
น้ำหนักเกิดจากการเรียนรู้
คุณไม่ต้องเลือกน้ำหนักเอง การฝึกจะค่อย ๆ ปรับน้ำหนักแต่ละตัวขึ้นหรือลง จนกว่าคะแนนของนิวรอนจะตรงกับคำตอบที่ต้องการ
ไบแอสปรับความพร้อมตอบ
ไบแอสสูงทำให้นิวรอนพร้อมตอบว่าใช่ ส่วนไบแอสต่ำทำให้ระมัดระวังมากขึ้น ไบแอสกำหนดค่าพื้นฐานก่อนที่ค่าขาเข้าใด ๆ จะมาถึง
ตรวจสอบอย่างรวดเร็ว
มาทดสอบสูตรหลักเบื้องหลังนิวรอนกัน
สรุป
นิวรอนคูณอินพุตด้วย น้ำหนัก แล้วหาผลรวมและบวกไบแอส: w·x + b น้ำหนักกำหนดความสำคัญ ไบแอสกำหนดค่าพื้นฐาน และผลลัพธ์คือคะแนน 🎯
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “น้ำหนัก ไบแอส และผลรวมถ่วงน้ำหนัก” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “น้ำหนัก ไบแอส และผลรวมถ่วงน้ำหนัก” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Deep Learning Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Deep Learning Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “น้ำหนัก ไบแอส และผลรวมถ่วงน้ำหนัก”
สูตรหลัก w·x + b คุณปฏิบัติ Deep Learning Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Deep Learning Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Deep Learning Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน
บทเรียน “น้ำหนัก ไบแอส และผลรวมถ่วงน้ำหนัก” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Deep Learning Academy นี้ได้ไหม
ได้ บทเรียน Deep Learning Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- น้ำหนัก ไบแอส และผลรวมถ่วงน้ำหนัก
- ฟังก์ชันขั้นบันไดและการตัดสินใจเชิงเส้น
- เขียนเพอร์เซ็ปตรอนตั้งแต่ต้น
- ปัญหา XOR: เหตุใดเซลล์ประสาทเดียวจึงไม่พอ