创建深度学习网络

单线程

单线程和多线程深度学习网络仅仅是指两种分配任务负担的方式,而真正的差异存在于单网络和多网络的深度学习系统之间,以及随机和非随机生成式模型之间。

单网络学习系统仅由两个层组成,结构就像翻线戏一样。多网络系统则将双层网络相互连接形成很长的链条,各自相当于一个子网络。

连续受限玻尔兹曼机

受限玻尔兹曼机由二进制神经元组成,这些神经元的激活状态只有零和一两种值。连续受限玻尔兹曼机可以接受十进制数。区别仅此而已。

参数

输入

降噪自动编码器

自动编码器是一种用于降维的神经网络,这也就是说,它可以用于特征选择和提取。隐藏层数量多于输入的自动编码器有可能会学习恒等函数(输出直接等于输入的函数),进而变得无用。

降噪自动编码器是基本自动编码器的一种扩展,是加入了随机因素的自动编码器。降噪自动编码器采用对输入进行随机污染(即引入噪声)的方式来减少学习恒等函数的风险,自动编码器必须将污染后的输入重构,或称降噪。 <!—

参数

输入

初始化降噪自动编码器

单线程降噪自动编码器很容易设置。

要创建编码器,只需要将[CLASS]类的对象实例化。

编码器创建代码块TK

接下来为编码器创建一个定型数据集。为了方便从视觉上理解,下列代码中包含的是一个简易的二维数据集。(大型项目的定型数据集规模显然会更大。)

定型集创建代码块TK

现在编码器已经实例化,定型数据集也已创建完毕,可以开始定型网络了。

编码器定型代码块TK

您可以对已定型的网络输入非结构化数据并检查输出,以此来测试网络的表现。

多线程降噪自动编码器的代码块如下:

创建编码器:

编码器创建代码块TK

创建定型数据集:

定型集创建代码块TK

编码器定型:

编码器定型代码块TK

与我们在Gitter聊天