Neuronales Netzwerkpaket
Dieses Paket bietet eine einfache und modulare Möglichkeit, einfache oder komplexe neuronale Netze mit Torch aufzubauen und zu trainieren:
- Module sind die Bausteine, aus denen neuronale Netze aufgebaut werden. Bei jedem handelt es sich um neuronale Netze, die jedoch mithilfe von Containern mit anderen Netzen kombiniert werden können, um komplexe neuronale Netze zu erstellen:
- Modul: abstrakte Klasse, die von allen Modulen geerbt wird;
- Container: Verbund- und Dekoratorklassen wie
Sequential , Parallel , Concat und NaN ; - Übertragungsfunktionen: nichtlineare Funktionen wie
Tanh und Sigmoid ; - Einfache Ebenen: wie
Linear , Mean , Max und Reshape ; - Tabellenebenen: Ebenen zum Bearbeiten
table wie SplitTable , ConcatTable und JoinTable ; - Faltungsschichten:
Temporal , Spatial und Volumetric Faltungen;
- Kriterien berechnen einen Gradienten gemäß einer gegebenen Verlustfunktion bei gegebener Eingabe und einem Ziel:
- Kriterien: eine Liste aller Kriterien, einschließlich
Criterion , der abstrakten Klasse; -
MSECriterion : das für die Regression verwendete Kriterium des mittleren quadratischen Fehlers; -
ClassNLLCriterion : das für die Klassifizierung verwendete Negative Log Likelihood-Kriterium;
- Zusätzliche Dokumentation:
- Übersicht über die wesentlichen Paketinhalte, einschließlich Module, Container und Schulungen;
- Training: Wie man ein neuronales Netzwerk mit
StochasticGradient trainiert; - Testen: So testen Sie Ihre Module.
- Experimentelle Module: ein Paket, das experimentelle Module und Kriterien enthält.
