sknn多層感知分類

我使用下面的神經網絡分類器在Pythonsknn多層感知分類

from sknn.mlp import Layer,Classifier 

nn = mlp.Classifier(
      layers=[ 
       mlp.Layer("Tanh", units=n_feat/8), 
       mlp.Layer("Sigmoid", units=n_feat/16), 
       mlp.Layer("Softmax", units=n_targets)], 
      n_iter=50, 
      n_stable=10, 
      batch_size=25, 
      learning_rate=0.002, 
      learning_rule="momentum", 
      valid_size=0.1, 
      verbose=1)

這是工作只是fine.My的問題是，如果我需要，例如100,200或500隱藏層如何進行？我是否必須手動指定每個圖層，或者有人對MLP的python有更好的想法？

來源

2016-05-14 Naseer Ahmed

有一個問題，我在神經網絡中很新，並試圖學習它。這個nn代表（輸入層，1個隱藏和1個輸出）還是（1個輸入，3個隱藏，1個輸出層）結構？（「Softmax」，units = n_targets）]（層數= [層疊]，單位= n_feat/8），' – enterbutton

您可以創建一些基於循環的機制來構建我認爲的圖層列表，但這裏存在更大的問題。具有數百個層次的標準MLP很可能是極其昂貴的培訓 - 無論是在計算速度還是內存使用方面。 MLP通常只有一個或兩個隱藏層，偶爾還有幾個隱藏層。但對於真正能夠從更多隱藏層獲益的問題，納入deep learning領域的一些經驗教訓變得非常重要。例如，對於圖像上的對象分類，使用所有完全連接的圖層效率非常低，因爲您有興趣識別空間局部圖案，因此空間距離像素或區域之間的交互很大程度上是噪聲。（這是使用了深刻的卷積神經網絡的一個完美案例。）

雖然有些非常深刻的網絡已經建立，這是值得指出的是，即使谷歌的很厲害盜-V3模型只是42層深。無論如何，如果你對構建深度模型感興趣，我建議閱讀這個Deep Learning book。從我讀過的內容來看，這似乎是一個很好的介紹。希望有所幫助！

來源

2016-05-14 23:16:45 Aenimated1

sknn多層感知分類

回答

相關問題