pybrain

    1熱度

    2回答

    所以,我會簡化它。 Pybrain的API顯示他們有一個函數,例如buildNetwork()。它說這是在pybrain.tools.shortcut.buildNetwork,如果這是有道理的? 問題是,.shortcut不存在。我對使用API​​非常陌生,但在我看來,這個函數甚至不存在。 幫助?

    1熱度

    2回答

    我想知道是否有方法可以使用我的GPU來加速PyBrain中網絡的訓練。

    0熱度

    1回答

    所以,我正在研究一個Pybrain類型的項目,並且我被卡住了一部分。 到目前爲止,程序需要一個元組並使用'其中一個花式的vars()['string']語句爲其分配變量。具體而言,它需要在數量的元組並將其分配給一個「layerx」值,其中x是層的數量(按順序,層1,2,3,等),使得所述數字是該尺寸層。 程序我拼命謙卑地來找你幫助的部分是什麼,應在程序中的下一個步驟;它需要一個元組的元組(元組的數

    0熱度

    1回答

    所以我在做僅僅使用數字輸入它給{只是一個小過程,讓我的腳在Pybrain的API溼} Python中的類,它創建了一個網絡(與pybrain)的過程。 我的問題是,我寧願不熟悉的領域中類是如何工作的,而我基本上是有程序設置不當,它使返回KeyError異常。 所有需要處理的變量都在init函數中創建;我正在爲該類工作的方法試圖調用其中的一個變量,這些變量在Python中使用vars()[]方法在i

    6熱度

    1回答

    有沒有一種很好的方法來將神經元及其關聯連接添加到/從完全連接的PyBrain網絡中/從其中移除?說我開始: from pybrain.tools.shortcuts import buildNetwork net = buildNetwork(2,3,1) 我怎麼會去使它成爲一個(2,4,1)或(2,2,1)的網絡,同時保持所有舊的權重(和初始化任何新的到像初始化網絡時那樣是隨機的)?我想這

    1熱度

    1回答

    假設我們已經使用Pybrain的SupervisedDataSet和buildNetwork函數構建了前饋網絡。該架構可以是10,5,2:10輸入節點,單個隱藏層中的5個隱藏節點以及2個輸出節點。 >>> our_network = buildNetwork(10,5,2) >>> for mod in our_network.modules: ... for conn in our_netw

    7熱度

    1回答

    我覺得這應該是微不足道的,但我一直在努力在PyBrain文檔中找到有用的東西,在這裏或其他地方。 問題是這樣的: 我有一個三層(輸入,隱藏,輸出)的前饋和內置在PyBrain訓練網絡。每層有三個節點。我想用新穎的輸入激活網絡,並將結果的激活值存儲在隱藏層。據我所知,net.activate()和net.activateOnDataset()將只返回輸出層節點的激活值,並且是激活網絡的唯一方法。 如

    1熱度

    2回答

    我該如何製作一個NN,使得一些輸入變量比其他「更重要」。例如,假設我的輸入層有2個神經元,我想強調一個輸入是70%重要,另一個只有30%,因爲儘管公式表達他們測量的是同樣的東西,但第一個輸入對最終結果的貢獻比其他更多。就像稱重樣品一樣,只是我想在全球範圍內對各個輸入進行權衡。 這甚至可能/有意義嗎?

    0熱度

    1回答

    我試圖使用PyBrain實現一個簡單的單個數字分類器。我有許多記錄的數字的訓練數據,從0到9的數字,並寫了一個腳本來提取每個例子的MFCC。爲了保持簡單(現在),我只計算13個係數,並且每10ms對音頻文件進行一次採樣。由於每個記錄的訓練實例具有不同的持續時間,例如,對於所有「零」的集合的樣本數量,每個樣本的數量都會改變,這取決於音頻有多長。因此,對於「零」的一些例子,我有一個形狀的MFCC訓練矢

    2熱度

    1回答

    我試圖在PyBrain中實現類似於迷宮問題的東西。但是,它與帶有緊急出口的房間更類似,您可以在其中一個房間留下代理以找到出口。 要將此轉換爲計算機方法,可以將雙向圖形與顯示房間之間路徑的權重一起使用。 我試圖實現一個新的環境,但我有點失落什麼應該是什麼。 例如,基於所述抽象環境I類想到這一點: #!/usr/bin/python2.7 class RoomEnv(Environment):