nn

แพ็คเกจโครงข่ายประสาทเทียม

แพ็คเกจนี้มอบวิธีที่ง่ายและแยกส่วนในการสร้างและฝึกโครงข่ายประสาทเทียมแบบง่ายหรือซับซ้อนโดยใช้ Torch:

• โมดูลคืออิฐที่ใช้ในการสร้างโครงข่ายประสาทเทียม แต่ละเครือข่ายเป็นโครงข่ายประสาทเทียมของตัวเอง แต่สามารถรวมกับเครือข่ายอื่นได้โดยใช้คอนเทนเนอร์เพื่อสร้างโครงข่ายประสาทเทียมที่ซับซ้อน:
  • โมดูล: คลาสนามธรรมที่สืบทอดมาจากโมดูลทั้งหมด
  • คอนเทนเนอร์: คลาสคอมโพสิตและมัณฑนากรเช่น Sequential , Parallel , Concat และ NaN ;
  • ฟังก์ชันถ่ายโอน: ฟังก์ชันที่ไม่ใช่เชิงเส้น เช่น Tanh และ Sigmoid
  • เลเยอร์ธรรมดา: เช่น Linear , Mean , Max และ Reshape ;
  • เลเยอร์ของตาราง: เลเยอร์สำหรับจัดการ table เช่น SplitTable , ConcatTable และ JoinTable ;
  • ชั้น Convolution: Convolution Temporal , Spatial และ Volumetric ;
• เกณฑ์คำนวณการไล่ระดับสีตามฟังก์ชันการสูญเสียที่กำหนดโดยป้อนข้อมูลและเป้าหมาย:
  • เกณฑ์: รายการเกณฑ์ทั้งหมด รวมถึง Criterion ซึ่งเป็นคลาสนามธรรม
  • MSECriterion : เกณฑ์ Mean Squared Error ที่ใช้สำหรับการถดถอย
  • ClassNLLCriterion : เกณฑ์ความเป็นไปได้ของบันทึกเชิงลบที่ใช้สำหรับการจำแนกประเภท
• เอกสารเพิ่มเติม:
  • ภาพรวมของแพ็คเกจที่จำเป็น รวมถึงโมดูล คอนเทนเนอร์ และการฝึกอบรม
  • การฝึกอบรม: วิธีการฝึกอบรมโครงข่ายประสาทเทียมโดยใช้ StochasticGradient ;
  • การทดสอบ: วิธีทดสอบโมดูลของคุณ
  • โมดูลการทดลอง: แพ็คเกจที่ประกอบด้วยโมดูลและเกณฑ์การทดลอง