matrix.h
aus, um die BLAS- sgemm
Funktion für eine schnelle Matrixmultiplikation zu aktivieren. Da Cranium nur den Header enthält, kopieren Sie einfach das src
-Verzeichnis in Ihr Projekt und #include "src/cranium.h"
, um mit der Verwendung zu beginnen.
Die einzige erforderliche Compiler-Abhängigkeit besteht vom Header
, also kompilieren Sie mit -lm
.
Wenn Sie CBLAS verwenden, müssen Sie auch mit -lcblas
kompilieren und über -I
den Pfad zur BLAS-Implementierung Ihres bestimmten Computers angeben. Zu den gebräuchlichsten gehören OpenBLAS und ATLAS.
Es wurde getestet, dass es mit jeder GCC-Optimierungsstufe einwandfrei funktioniert. Sie können sie also gerne verwenden.
#include "cranium.h"
/*
This basic example program is the skeleton of a classification problem.
The training data should be in matrix form, where each row is a data point, and
each column is a feature.
The training classes should be in matrix form, where the ith row corresponds to
the ith training example, and each column is a 1 if it is of that class, and
0 otherwise. Each example may only be of 1 class.
*/
// create training data and target values (data collection not shown)
int rows , features , classes ;
float * * training ;
float * * classes ;
// create datasets to hold the data
DataSet * trainingData = createDataSet ( rows , features , training );
DataSet * trainingClasses = createDataSet ( rows , classes , classes );
// create network with 2 input neurons, 1 hidden layer with sigmoid
// activation function and 5 neurons, and 2 output neurons with softmax
// activation function
srand ( time ( NULL ));
size_t hiddenSize [] = { 5 };
Activation hiddenActivation [] = { sigmoid };
Network * net = createNetwork ( 2 , 1 , hiddenSize , hiddenActivation , 2 , softmax );
// train network with cross-entropy loss using Mini-Batch SGD
ParameterSet params ;
params . network = net ;
params . data = trainingData ;
params . classes = trainingClasses ;
params . lossFunction = CROSS_ENTROPY_LOSS ;
params . batchSize = 20 ;
params . learningRate = .01 ;
params . searchTime = 5000 ;
params . regularizationStrength = .001 ;
params . momentumFactor = .9 ;
params . maxIters = 10000 ;
params . shuffle = 1 ;
params . verbose = 1 ;
optimize ( params );
// test accuracy of network after training
printf ( "Accuracy is %fn" , accuracy ( net , trainingData , trainingClasses ));
// get network's predictions on input data after training
forwardPass ( net , trainingData );
int * predictions = predict ( net );
free ( predictions );
// save network to a file
saveNetwork ( net , "network" );
// free network and data
destroyNetwork ( net );
destroyDataSet ( trainingData );
destroyDataSet ( trainingClasses );
// load previous network from file
Network * previousNet = readNetwork ( "network" );
destroyNetwork ( previousNet );
Um Tests auszuführen, schauen Sie im Ordner tests
nach.
Das Makefile
verfügt über Befehle zum Ausführen jedes Stapels von Komponententests oder aller gleichzeitig.
Senden Sie gerne eine Pull-Anfrage, wenn Sie Funktionen hinzufügen möchten oder einen Fehler finden.
Sehen Sie sich die Registerkarte „Probleme“ an, um mögliche Maßnahmen zu finden.