Forfait réseau neuronal
Ce package fournit un moyen simple et modulaire de créer et de former des réseaux de neurones simples ou complexes à l'aide de Torch :
- Les modules sont les briques utilisées pour construire des réseaux de neurones. Chacun est lui-même un réseau de neurones, mais peut être combiné avec d'autres réseaux à l'aide de conteneurs pour créer des réseaux de neurones complexes :
- Module : classe abstraite héritée par tous les modules ;
- Conteneurs : classes composites et décoratrices comme
Sequential , Parallel , Concat et NaN ; - Fonctions de transfert : fonctions non linéaires comme
Tanh et Sigmoid ; - Calques simples : comme
Linear , Mean , Max et Reshape ; - Couches de table : couches pour manipuler
table comme SplitTable , ConcatTable et JoinTable ; - Couches de convolution : convolutions
Temporal , Spatial et Volumetric ;
- Les critères calculent un gradient selon une fonction de perte donnée étant donné une entrée et une cible :
- Critères : une liste de tous les critères, y compris
Criterion , la classe abstraite ; -
MSECriterion : le critère d'erreur quadratique moyenne utilisé pour la régression ; -
ClassNLLCriterion : le critère de vraisemblance négative utilisé pour la classification ;
- Documents supplémentaires :
- Aperçu des éléments essentiels du package, y compris les modules, les conteneurs et la formation ;
- Formation : comment entraîner un réseau de neurones à l'aide de
StochasticGradient ; - Tests : comment tester vos modules.
- Modules expérimentaux : un package contenant des modules expérimentaux et des critères.
