matlab - ماتلاب - كيفية تدريب شبكة لتعلم وظيفة باستخدام ماتكونفنيت؟



امثلة ماتلاب (0)

أنا أحاول أن أفهم كيفية استخدام ماتكونفنيت لتعلم وظيفة نظرا I / O أزواج للتدريب.

أريد أن يكتشف وظيفة أن يختبر متجه الإدخال 486 الأبعاد لقيمة الانتاج 1D. ومع ذلك، أنا غير قادر على الحصول على الشبكة للعمل بشكل صحيح، وأنا بحاجة إلى مساعدة تحديد موقع خطأي. فيما يلي تفاصيل ما قمت به، واسمحوا لي أن أعرف إذا كان هناك حاجة إلى أي معلومات أخرى.

هنا هو بلدي تخطيط البيانات التدريب كما يظهر على موجه ماتلاب موجه (لدي 1 مليون عينة لبيانات التدريب):

>> imdb.images
ans = 
data: [4-D single]
label: [1x1000000 single]
set: [1x1000000 double]

>> size(imdb.images.data)
ans =
1 1 486 1000000

أنا باستخدام متعدد الطبقات شبكة العصبية متصلة تماما مع طبقة إدخال واحدة من 486 الخلايا العصبية، طبقة خفية واحدة مع 100 الخلايا العصبية وطبقة واحدة الانتاج مع 1 الخلايا العصبية.

لقد حددت الشبكة باستخدام طبقات متصلة تماما كما يلي:

trainOpts.batchSize = 10000 ;
trainOpts.numEpochs = 100 ;
trainOpts.continue = false ;
trainOpts.gpus = [1];
trainOpts.learningRate = 0.001 ;
trainOpts.numEpochs = 100 ;
trainOpts.expDir = 'xyz' ;

f = 1/100; 
net.layers = {};
net.layers{end+1} = struct('type','conv','weights'{{frandn(1,1,486,100,'single'),zeros(1,100,'single')}},'stride',1,'pad',0);
net.layers{end+1} = struct('type','sigmoid'); 
net.layers{end+1} = struct('type','conv', 'weights', {{frandn(1,1,100,1,'single'), zeros(1,1,'single')}}, 'stride',1,'pad',0);    
net.layers{end+1} = struct('type','sigmoid'); 
net.layers{end+1} = struct('type','nnL2');

الدالة في طبقة الخسارة "vl_nnL2" هي دالة فقدان L2. لقد أضفته إلى vl_simplenn كما اقترح في https://github.com/vlfeat/matconvnet/issues/15 . لقد غيرت أيضا تقدير الخطأ في cnn_train إلى ما يلي:

function err = error_sqerror(opts, labels, res) 
predictions = gather(res(end-1).x) ;
if numel(labels) == size(predictions, 4)
labels = reshape(labels,1,1,1,[]) ;
end
error = (abs(labels-predictions).^2);
err = sum(squeeze(error));

هنا هو مؤامرة من التدريب:

هل يمكن للشخص أن يشير إلى ما أنا في عداد المفقودين؟

شكرا لك، إيكتا





neural-network